Tese Rosiane Faleiro

UNIVERSIDADE FEDERAL DE MINAS GERAIS
Curso de Pós-Graduação em Engenharia Metalúrgica, Materiais e de Minas
Tese de Doutorado
“Modelamento estatístico do consumo de carvão vegetal

dos altos-fornos da Vallourec Tubos do Brasil em função da
produção de ferro-gusa e das cargas ferrosas”
Autora: Rosiane Mary Rezende Faleiro

Orientador: Luiz Fernando Andrade de Castro
Co-orientadores: Cláudio Musso Velloso e Ronaldo Santos Sampaio
Novembro/2013
UNIVERSIDADE FEDERAL DE MINAS GERAIS
Curso de Pós-Graduação em Engenharia Metalúrgica, Materiais e de Minas
Rosiane Mary Rezende Faleiro
MODELAMENTO ESTATÍSTICO DO CONSUMO DE

CARVÃO VEGETAL DOS ALTOS-FORNOS DA
VALLOUREC TUBOS DO BRASIL EM FUNÇÃO DA
PRODUÇÃO DE FERRO-GUSA E DAS CARGAS
FERROSAS
Tese de Doutorado apresentada ao Curso de Pós-Graduação em Engenharia

Metalúrgica, Materiais e de Minas da Universidade Federal de Minas Gerais
Área de Concentração: Metalurgia Extrativa

Orientador: Luiz Fernando Andrade de Castro
Co-orientadores: Cláudio Musso Velloso e Ronaldo Santos Sampaio
Belo Horizonte
Escola de Engenharia
2013
Aos meus amados pais:
Edgar e Roza Helena
AGRADEDIMENTOS:
O autor agradece a todos aqueles que, direta ou indiretamente, colaboraram na

preparação deste trabalho e, em particular:
A Deus, por iluminar sempre os meus caminhos e estar sempre presente em

minha vida.
Ao Cláudio Musso Velloso, por ter semeado a idéia do doutorado, pelas

oportunidades de conhecimento e desenvolvimentos profissionais e pessoais.
Sua motivação, dedicação, orientação e atenção diárias fazem toda diferença.
Aos Professores Luiz Fernando Andrade de Castro e Ronaldo Santos Sampaio

pela orientação e confiança em mim depositadas.
Aos meus familiares, em especial meus pais Edgar e Roza Helena, minhas irmãs
Letícia e Samara, meu marido Wagner e minha pequena Clara, que são a razão
de todo o meu esforço.
À Vallourec Tubos do Brasil que me proporcionou esta oportunidade de

aprendizagem e desenvolvimento, em especial ao Marcelo Ferreira e ao Paulo
Miranda por acreditarem no meu trabalho.
A todos os meus amigos e colegas de trabalho pela torcida, ensinamentos,

sugestões e incentivos para a conclusão dessa grande e importante etapa da
minha vida.
RESUMO
O processo de fabricação de ferro-gusa em altos-fornos a carvão vegetal, além de

complexo, representa o maior custo de uma usina integrada devido aos altos preços
das matérias-primas.
Um grande desafio desse tipo de operação é manter a estabilidade, que se deve

principalmente às variações nos parâmetros de qualidade das matérias-primas, do
carvão vegetal em especial, sendo importante conhecer bem as suas características e
as suas consequências para a operação.
A Vallourec Tubos do Brasil desenvolveu projetos Seis Sigma baseados na

metodologia DMAIC para reduzir a variabilidade inerente aos processos de
amostragem de matérias-primas. Além disso, vem conduzindo estudos para reduzir o
custo da produção de ferro-gusa dos altos-fornos utilizando dados históricos reais de
consumo de matérias-primas e produção que a todo o momento podem ser usados
para avaliar o custo de produção e conseguir um melhor planejamento e resultados
para a empresa. Tais estudos permitiram o desenvolvimento de uma abordagem
estatística para prever o consumo de carvão vegetal em altos-fornos baseada em
Modelos de Superfície de Resposta (MSR) e Modelos de Regressão Linear (MRL).
Os modelos desenvolvidos nesse trabalho apresentaram bons níveis de confiança e

permitem que a empresa atue preventivamente para fazer negócio inovador e no
planejamento de ações para reduzir o custo da produção de ferro-gusa, visando
melhorar o beneficiamento de matérias-primas e outras ações para fornecer para os
altos-fornos matérias-primas a um custo mínimo. Representa um grande passo na
operação de altos-fornos a carvão vegetal, com um diferencial para a Vallourec Tubos
do Brasil, que deixou de trabalhar com carga ferrosa padrão e começou a operar com
maior flexibilidade e variabilidade de tipo de carga usada para alcançar melhores
resultados econômicos.
ABSTRACT
Hot metal manufacturing process in charcoal blast furnaces, besides complex,

represents the largest cost of an integrated plant due to the high prices of the raw
materials.
A great problem of this operation type is the low stability, which is due mainly to
variations in the raw materials quality parameters, charcoal especially, being important
to know well theirs characteristics and consequences for the operation.
Vallourec Tubos do Brasil developed Six Sigma projects based in DMAIC methodology
to reduce the variability of raw materials sampling process. In addition, it has been
carrying out studies to reduce hot metal production cost, using historical data on raw
materials consumption and hot metal production in the blast furnaces. Afterwards,
these data are turned into information that can be used to evaluate production cost and
achieve better planning and results for the company. These studies allowed the
development of a statistical approach to predict charcoal consumption in blast furnaces
based on Response Surface Models (RSM) and Linear Regression Models (LRM).
The developed models in this work provide a high level of confidence and allow the
company to act preemptively fostering innovative business and in the action plan to
reduce hot metal production cost, to improve raw materials processing and other
actions in order to provide the blast furnaces with raw materials at minimal cost. It is
special particularity and represents a great step in Vallourec Tubos do Brasil blast
furnaces’ operation which no longer uses standard ferrous load and started to operate
with greater flexibility and variability concerning the types of ferrous load applied to
achieve better economic results.
i
SUMÁRIO
1. INTRODUÇÃO ........................................................................................................... 1
2. OBJETIVOS .............................................................................................................. 4
3. REVISÃO BIBLIOGRÁFICA ...................................................................................... 5
3.1. Alto-forno.................................................................................................................. 5
3.1.1. Aspectos internos ........................................................................................... 7
3.1.2. Princípio ....................................................................................................... 10
3.1.3. Funções da carga sólida............................................................................... 10
3.1.4. Características dos altos-fornos da Vallourec Tubos do Brasil ..................... 12
3.2. Controle operacional e de processo do alto-forno .............................................. 13
3.2.1. Modelos de controle operacional .................................................................. 14
3.2.2. Modelos para previsão do teor de silício ....................................................... 15
3.2.3. Modelos para controle do nível térmico ........................................................ 17
3.2.4. Modelos CFD ............................................................................................... 18
3.2.5. Modelos para controlar ou prever o consumo de redutor .............................. 18
3.3. Qualidade das matérias-primas ............................................................................ 23
3.3.1. Origem da heterogeneidade atual do carvão vegetal .................................... 24
3.3.2. Avaliação da qualidade................................................................................. 26
3.4. Metodologias Estatísticas ..................................................................................... 27
3.4.1. Superfície de Resposta e Regressão ........................................................... 27
3.4.2. ANOVA Hierárquica ...................................................................................... 32
4. METODOLOGIA DE TRABALHO ........................................................................... 34
4.1. DMAIC (Define, Measure, Analyse, Improve, Control) ......................................... 34
4.2. Redução da variabilidade inerente à amostragem .............................................. 34
4.2.1. Carvão vegetal ............................................................................................. 34
4.2.2. Minério de ferro ............................................................................................ 38
4.3. Modelamento estatístico do consumo de carvão vegetal ................................... 40
4.3.1. Base de dados ............................................................................................. 40
4.3.2. Modelos de superfície de resposta (MSR) .................................................... 44
4.3.3. Modelos de regressão linear......................................................................... 45
5. RESULTADOS E DISCUSSÃO ............................................................................... 46
5.1. Análise descritiva dos dados ................................................................................ 46
5.2. Redução da variabilidade inerente às amostragens ........................................... 64
5.3. Modelos da “Etapa 1” - dados de 2003 a 2010 ..................................................... 66
5.4. Modelos da “Etapa 2” - dados de 2003 a 2011 ..................................................... 82
5.4.1. Fatores para corrigir as qualidades do carvão vegetal e da carga ferrosa .... 97
ii
5.5. Validação dos modelos ......................................................................................... 99

5.6. Modelo de Otimização ......................................................................................... 100
6. CONCLUSÕES ...................................................................................................... 101
7. CONTRIBUIÇÕES ORIGINAIS AO CONHECIMENTO ......................................... 102
8. RELEVÂNCIA DOS RESULTADOS ...................................................................... 103
9. SUGESTÕES PARA TRABALHOS FUTUROS..................................................... 104
10. REFERÊNCIAS BIBLIOGRÁFICAS ...................................................................... 105
iii
LISTA DE FIGURAS
Figura 3.1: Processo de redução de óxidos de ferro no alto-forno (CASTRO, 2002). .. 6

Figura 3.2: Esquema da região interna do alto-forno, mostrando as várias zonas
(CASTRO, 2002). ........................................................................................ 8
Figura 3.3: Esquema de divisão do alto-forno: modelo operacional e dissecação pelos
japoneses (CASTRO, 2002). ....................................................................... 9
Figura 3.4: Comparação entre os processos antigo e atual de produção de carvão
vegetal (SAMPAIO et. al., 2006). .............................................................. 24
Figura 3.5: Planejamento hierárquico em dois estágios (fatores A e B). ..................... 32
Figura 4.1: Ilustração da proposta de redução da variabilidade do método de
amostragem antes e depois do projeto do programa Seis Sigma.............. 35
Figura 4.2: Esquema do experimento de balanço de massas do carvão vegetal. ....... 36
Figura 4.3: Fluxograma do experimento hierárquico para quantificar separadamente as
variabilidades do material e do método de amostragem. .......................... 37
Figura 4.4: Fluxo de recebimento e beneficiamento de minério de ferro da Vallourec
Tubos do Brasil. ........................................................................................ 39
Figura 4.5: Planejamento hierárquico do experimento para estimar os componentes de
variação da amostragem de minério na Vallourec Tubos do Brasil. .......... 40
Figura 4.6: Balanço de massas do carvão vegetal utilizado na rotina da Vallourec
Tubos do Brasil. ........................................................................................ 42
Figura 5.1: Evolução da produção diária de ferro-gusa (t) dos altos-fornos da Vallourec
Tubos do Brasil. ........................................................................................ 48
Figura 5.2: Evolução do consumo de CV de topo (kg/t gusa) dos altos-fornos da
Vallourec Tubos do Brasil. ........................................................................ 51
Figura 5.3: Evolução da taxa de injeção de CV (kg/t gusa) dos altos-fornos da
Figura 5.4: Evolução do teor de carbono fixo do carvão vegetal consumido nos altos-
fornos da Vallourec Tubos do Brasil. ......................................................... 58
Figura 5.5: Evolução do teor de cinzas do carvão vegetal consumido nos altos-fornos
da Vallourec Tubos do Brasil. ................................................................... 58
Figura 5.6: Evolução da umidade do carvão vegetal consumido nos altos-fornos da
Figura 5.7: Evolução do tamanho médio do carvão vegetal consumido nos altos-fornos
da Vallourec Tubos do Brasil. ................................................................... 59
Figura 5.8: Evolução do percentual de finos do carvão vegetal consumido nos altos-
iv
Figura 5.9: Diversidade da carga ferrosa utilizada pelos altos-fornos da Vallourec

Tubos do Brasil. ........................................................................................ 61
Figura 5.10: Evolução dos teores de ferro, alumina e sílica da carga ferrosa dos altos-
Figura 5.11: Novo procedimento de preparação de amostras de carvão vegetal. ......... 64
Figura 5.12: Gráficos de resíduos padronizados do MSR do Alto-Forno 1 – “Etapa 1”. 70
Figura 5.13: Gráficos de resíduos padronizados do MSR do Alto-Forno 2 – “Etapa 1”. 70
Figura 5.14: Curvas de níveis do Alto-Forno 1 (chuva) com produção diária variando de
700 a 900t de ferro-gusa – “Etapa 1”......................................................... 73
1.000 a 1.200t de ferro-gusa – “Etapa 1”. .................................................. 74
Figura 5.16: Curvas de níveis do Alto-Forno 1 (seca) com produção diária variando de
Figura 5.20: Determinação do percentual de pelotas a ser utilizado na carga ferrosa em
função da produção diária (t) de ferro-gusa do Alto-Forno 1 – “Etapa 1”. .. 79
função da produção diária (t) de ferro-gusa do Alto-Forno 2 – “Etapa 1”. .. 80
Figura 5.22: Estimativa do consumo de carvão vegetal de topo (kg/t gusa) do Alto-Forno
1 em função do percentual de pelotas na carga ferrosa – “Etapa 1”. ........ 81
Figura 5.24: Gráficos de resíduos padronizados do MSR do Alto-Forno 1 – “Etapa 2”,
chuva. ....................................................................................................... 85
seca. ......................................................................................................... 86
chuva. ....................................................................................................... 86
seca. ......................................................................................................... 87
v
Figura 5.30: Curvas de níveis do Alto-forno 1 (seca) com produção diária variando de
Figura 5.33: Determinação do percentual de pelotas na carga ferrosa em função da
produção diária (t) de ferro-gusa do Alto-Forno 1 – “Etapa 2”. .................. 95
produção diária (t) de ferro-gusa do Alto-Forno 2 – “Etapa 2”. .................. 95
Figura 5.37: Fatores de correção do consumo de carvão vegetal de topo em função da
variação da qualidade da carga ferrosa do mix dos altos-fornos da
variação da qualidade do carvão vegetal do mix dos altos-fornos da
Figura 5.39: Diferenças entre os consumos de carvão vegetal de topo reais x
estimativas dos modelos desenvolvidos nas “Etapas 1 e 2”. ..................... 99
vi
LISTA DE TABELAS
Tabela III.1: Características dos altos-fornos da Vallourec Tubos do Brasil. ................ 12

Tabela III.2: Variáveis da “Fórmula de Flint”, suas unidades e seus coeficientes de
regressão (FLINT, 1952). .......................................................................... 21
Tabela III.3: Análise de variância de uma ANOVA Hierárquica. .................................... 33
Tabela IV.1: Resumo da metodologia DMAIC. ............................................................... 34
Tabela IV.2: Variáveis utilizadas para o desenvolvimento dos modelos estatísticos. .... 41
Tabela IV.3: Exemplos de 20 cenários do AF1 (no total são 88 cenários) considerando
% de diferentes tipos de minérios (T1, T2...T4) e % de pelota. ................. 43
% de diferentes tipos de minérios (T1, T2...T7) e % de pelota. ................. 43
Tabela V.1: Estatísticas descritivas da produção diária de ferro-gusa (t) dos altos-
Tabela IV.2: Estatísticas descritivas do consumo de CV de topo (kg/t gusa) dos altos-
Tabela V.3: Estatísticas descritivas da taxa de injeção de CV (kg/t gusa) dos altos-
Tabela V.4: Estatísticas descritivas das análises imediata e granulométrica do CV
consumido nos altos-fornos da Vallourec Tubos do Brasil. ....................... 55
Tabela V.5: Comparação da variabilidade da amostragem de carvão vegetal antes e
depois da revisão dos procedimentos. ...................................................... 65
Tabela V.6: Comparação da variabilidade (variância) da amostragem de minério de
ferro antes e depois da revisão dos procedimentos. ................................. 66
vii
LISTA DE NOTAÇÕES
AF = alto-forno
AF1 = Alto-Forno 1
AF2 = Alto-Forno 2
β = coeficientes de regressão
B2 = basicidade binária
CFD = Computational Fluid Dynamics
Ci = coeficiente de correlação da variável i (“Fórmula de Flint”, equação 3.7)
CR = consumo específico de carbono (kg/t gusa) (“Fórmula de Flint”, equação 3.7)
CV = carvão vegetal
CVG = carvão vegetal grosso (32 a 125mm)
CVM = carvão vegetal médio (10 a 32mm)
ε = erros com distribuição Normal, média 0 e desvio-padrão σ
H0 = hipótese nula
H1 = hipótese alternativa
IC = intervalo de confiança
K = constante de regressão específica para cada alto-forno (“Fórmula de Flint”, equação
3.7)
LRM = Linear Regression Models
MSR = Modelo de Superfície de Resposta
MRL = Modelo de Regressão Linear
PCI = Pulverized Coal Injection
r = coeficiente de correlação
R2 = coeficiente de determinação múltipla
RDI = Reduction Degradation Indices
RSM = Response Surface Models
Vi = variável i que afeta o consumo de carbono (“Fórmula de Flint”, equação 3.7)
Xi = variável explicativa / fator
Yi = variável resposta
viii
RESUMO
O processo de fabricação de ferro-gusa em altos-fornos a carvão vegetal, além de

complexo, representa o maior custo de uma usina integrada devido aos altos preços das
matérias-primas.
Um grande desafio desse tipo de operação é manter a estabilidade, que se deve

principalmente às variações nos parâmetros de qualidade das matérias-primas, do carvão
vegetal em especial, sendo importante conhecer bem as suas características e as suas
consequências para a operação.
A Vallourec Tubos do Brasil desenvolveu projetos Seis Sigma baseados na metodologia

DMAIC para reduzir a variabilidade inerente aos processos de amostragem de matérias-
primas. Além disso, vem conduzindo estudos para reduzir o custo da produção de ferro-
gusa dos altos-fornos utilizando dados históricos reais de consumo de matérias-primas e
produção que a todo o momento podem ser usados para avaliar o custo de produção e
conseguir um melhor planejamento e resultados para a empresa. Tais estudos permitiram
o desenvolvimento de uma abordagem estatística para prever o consumo de carvão
vegetal em altos-fornos baseada em Modelos de Superfície de Resposta (MSR) e
Modelos de Regressão Linear (MRL).
Os modelos desenvolvidos nesse trabalho apresentaram bons níveis de confiança e

permitem que a empresa atue preventivamente para fazer negócio inovador e no
planejamento de ações para reduzir o custo da produção de ferro-gusa, visando melhorar
o beneficiamento de matérias-primas e outras ações para fornecer para os altos-fornos
matérias-primas a um custo mínimo. Representa um grande passo na operação de altos-
fornos a carvão vegetal, com um diferencial para a Vallourec Tubos do Brasil, que deixou
de trabalhar com carga ferrosa padrão e começou a operar com maior flexibilidade e
variabilidade de tipo de carga usada para alcançar melhores resultados econômicos.
ix
ABSTRACT
Hot metal manufacturing process in charcoal blast furnaces, besides complex, represents
the largest cost of an integrated plant due to the high prices of the raw materials.
A great problem of this operation type is the low stability, which is due mainly to variations
in the raw materials quality parameters, charcoal especially, being important to know well
theirs characteristics and consequences for the operation.
Vallourec Tubos do Brasil developed Six Sigma projects based in DMAIC methodology to
reduce the variability of raw materials sampling process. In addition, it has been carrying
out studies to reduce hot metal production cost, using historical data on raw materials
consumption and hot metal production in the blast furnaces. Afterwards, these data are
turned into information that can be used to evaluate production cost and achieve better
planning and results for the company. These studies allowed the development of a
statistical approach to predict charcoal consumption in blast furnaces based on Response
Surface Models (RSM) and Linear Regression Models (LRM).
The developed models in this work provide a high level of confidence and allow the
company to act preemptively fostering innovative business and in the action plan to
reduce hot metal production cost, to improve raw materials processing and other actions
in order to provide the blast furnaces with raw materials at minimal cost. It is special
particularity and represents a great step in Vallourec Tubos do Brasil blast furnaces’
operation which no longer uses standard ferrous load and started to operate with greater
flexibility and variability concerning the types of ferrous load applied to achieve better
economic results.
1
1. INTRODUÇÃO
A necessidade de se produzir ferro-gusa em altos-fornos com custos cada vez mais

baixos tem levado a análises mais profundas dos fatores que afetam o custo e o
comportamento destes reatores. Minimizar o custo de operação e melhorar a qualidade
de produção ao longo do percurso de todo o processo são os principais fatores para uma
produção competitiva e lucrativa.
Um grande desafio enfrentado na operação dos altos-fornos é a baixa estabilidade, que

se deve principalmente às variações nos parâmetros de qualidade das matérias-primas,
do carvão vegetal em especial. Por isso, é muito importante conhecer bem as
características das matérias-primas que abastecem os altos-fornos e suas consequências
para a operação, principalmente do carvão vegetal, que representa cerca de 47% do
custo do ferro-gusa, e das demais matérias-primas, como o minério de ferro granulado, a
pelota e os fundentes.
O processo de fabricação de ferro-gusa é um grande desafio em termos de complexidade

e de custo, uma vez que representa o maior de custo de uma usina integrada devido aos
altos preços das matérias-primas.
A Vallourec Tubos do Brasil está conduzindo estudos para reduzir o custo de produção
de ferro-gusa, utilizando dados históricos de consumo de matérias-primas e produção
dos altos-fornos, e transformando-os em informação que a todo o momento pode ser
usada para avaliar o custo de produção e conseguir um melhor planejamento e resultado
para a empresa. Esta flexibilidade tem sido fundamental para minimizar os custos,
principalmente frente a um cenário de aumento constante dos preços de matérias-primas.
De um modo geral, no mercado são definidas cargas ferrosas padrão para os altos-fornos
(por exemplo: 70% de sinter, 10% de pelota e 20% de minério), e a operação mantém
constantes esses percentuais de cargas. Esse trabalho representa um grande passo na
operação dos altos-fornos, com um diferencial para a Vallourec Tubos do Brasil, que
deixou de trabalhar com carga ferrosa padrão e começou a operar com maior flexibilidade
e variabilidade de tipo de carga usada para alcançar melhores resultados econômicos.
Em 2009, quando se deu o início deste trabalho, os estudos baseavam-se em curvas de

superfície de resposta que representavam os diferentes níveis de consumos de carvão
vegetal. Com limites pré-estabelecidos de porcentagem de pelota na carga ferrosa e da
taxa de injeção de carvão vegetal, tais curvas mostravam as possíveis formas de operar
2
os altos-fornos. Como exemplo de aplicação, se em um determinado mês havia uma

oferta de minério com menor custo no mercado, podia ser uma oportunidade para se
trabalhar com maior porcentagem de minério na carga ferrosa dos altos-fornos, dentro
das porcentagens mínimas e máximas já utilizadas. Utilizando as curvas elaboradas,
fazia-se uma previsão imediata do custo de se utilizar maior porcentagem de minério,
considerando a taxa de injeção de carvão vegetal dentro dos limites pré-estabelecidos, o
respectivo consumo de carvão vegetal. Em busca de se obter um melhor resultado
econômico, tomava-se a decisão de aproveitar ou não a oportunidade da oferta de
minério. Se autorizado a fazer, o minério adicional era comprado, utilizado e verificava se
realmente havia sido possível conseguir o ganho no consumo de carvão vegetal,
mantendo a produção planejada. Dessa forma, havia um retorno financeiro imediato
naquele mês.
Trabalhando dessa maneira, passou-se a avaliar a carga ferrosa do alto-forno com maior
frequência, e, a cada quinze dias, os altos-fornos operavam com percentuais de cargas
ferrosas diferentes para atender ao custo. Sendo assim, a Vallourec Tubos do Brasil
passou a trabalhar com o custo minimizado.
O caminho encontrado de constante mudança na operação dos altos-fornos não é o que

mais agrada aos profissionais da operação, uma vez que tira a estabilidade operacional.
No entanto, dá uma prerrogativa de custo que nunca antes se havia conseguido. Dizer
que o consumo de carvão vegetal tem que ser mais alto porque tem que trabalhar com o
mínimo de porcentagem de pelota, em busca de menor custo de produção de ferro-gusa,
é uma quebra de paradigma na área de alto-forno, a qual tem enraizado a busca de
menor consumo de carvão vegetal.
Uma vez estabelecidos os modelos iniciais, surgiu a necessidade de transformá-los em

modelos que correlacionem as características de qualidade das matérias-primas
recebidas, com cada vez mais heterogeneidade, para avaliar seus impactos no consumo
de carvão vegetal.
Nesse trabalho foram elaborados modelos estatísticos com bom nível de confiança para
prever o consumo de carvão vegetal em altos-fornos fundamentados nas metodologias
de Superfície de Resposta e Regressão Linear (MONTGOMERY, 2004). Com base nas
características de qualidade e nas variações esperadas das matérias-primas e suas
interações, os modelos permitem prever o custo de produção de ferro-gusa, a atuação
preventiva da empresa para tornar o negócio inovador e auxiliam no planejamento de
3
ações para reduzir o custo de produção de ferro-gusa, como por exemplo: lavrar a mina
de minério de ferro em outra região, buscar carvão vegetal de outras fazendas, negociar
contratos, ter visibilidade das matérias-primas que serão utilizadas, do preço da carga
ferrosa que pode pagar, dentre outras ações para se trabalhar no abastecimento dos
altos-fornos com matérias-primas com custo mínimo.
4
2. OBJETIVOS
O objetivo principal desse trabalho é elaborar modelos estatísticos capazes de prever o

consumo de carvão vegetal dos altos-fornos da Vallourec Tubos do Brasil em função da
mudança na carga ferrosa.
Os demais objetivos são: i) desenvolver modelos que permitam simular cenários que
tragam maior competitividade às operações dos altos-fornos a carvão vegetal; ii)
quantificar a heterogeneidade do carvão vegetal e do minério de ferro; iii) desenvolver
modelos estatísticos que elevem o índice de acerto para o planejamento macro da
produção de ferro-gusa convivendo com a heterogeneidade das matérias-primas.
5
3. REVISÃO BIBLIOGRÁFICA
3.1. Alto-forno
O alto-forno é um reator metalúrgico empregado na produção de ferro-gusa através da

fusão redutora dos óxidos de ferro (minério de ferro e/ou sinter e/ou pelota) em presença
de carbono do redutor (carvão vegetal e/ou coque) e fundentes.
Estes materiais, conhecidos como carga sólida, são carregados pelo topo na temperatura
ambiente e, na descida, são transformados pela ação dos gases ascendentes,
provenientes da reação de combustão do carbono dos redutores com o oxigênio do ar de
combustão aquecido (500 a 1.200°C ou mais) soprado pelas ventaneiras, enriquecido ou
não com oxigênio.
O oxigênio do ar soprado (O2) entra em contato com o carbono (C) do redutor

incandescente e reage segundo a reação 3.1 de produção de dióxido de carbono (CO2).
Esta reação altamente exotérmica produz grande quantidade de calor para o processo:
C(s) + O2(g) CO2(g) (3.1)
O CO2 formado nesta região de alta temperatura reage novamente com o carbono do
redutor formando o monóxido de carbono (2CO). Esta reação (3.2) altamente
endotérmica é conhecida como “Solution loss” ou “Boudouard”:
CO2(g) + C(s) 2CO(g) (3.2)
A umidade contida no ar soprado entrará em reação (3.3) com o carbono do redutor

gerando os gases redutores CO e H2, cujo resultado é o aumento das percentagens de
H2 e CO no gás:
C(g) + H2O(g) CO(g) + H2(g) (3.3)
Embora as reações 3.2 e 3.3 sejam endotérmicas, ou seja, absorvem calor, o resultado
efetivo associado à saída de gases redutores é o aporte de grandes quantidades de calor
fornecido para a seqüência do processo, gerando uma temperatura de chama na região
que excede 1.850°C. Durante o restante do seu caminho pelo alto-forno, o gás
ascendente suprirá calor para as camadas de carga metálica descendentes, saindo no
topo do forno ainda com temperaturas acima de 100°C (VELLOSO, 2006).
6
Também ocorrem reações da carga ferrosa com o redutor. No interior do alto-forno estão
reagindo sólidos, líquidos e gases. A temperatura varia de 150°C no topo até cerca de
2.100°C nas regiões inferiores.
A partir do topo do forno, os óxidos de ferro sofrem as reduções, conforme mostram as

reações simultâneas 3.4 a 3.6:
3 Fe2O3(s) + CO(g) 2 Fe3O4(s) + CO2(g) (3.4)
Fe3O4(s) + CO(g) 3 FeO(s) + CO2(g) (3.5)
FeO(s) + CO(g) Fe(s) + CO2(g) (3.6)
Os produtos obtidos no alto-forno são o ferro-gusa e a escória (da ordem de 150 a

180kg/t gusa), depositados no cadinho, e as poeiras e os gases no topo (da ordem de
1.750 a 2.300Nm3/t gusa).
A Figura 3.1 mostra um esquema simplificado do processo de produção de ferro-gusa no

alto-forno.
Figura 3.1: Processo de redução de óxidos de ferro no alto-forno (CASTRO, 2002).

7
3.1.1. Aspectos internos
Apesar de o alto-forno ser um equipamento que tem sido utilizado desde o século XV,
somente nos meados do século XIX os fenômenos químicos e físicos, que ocorrem
dentro do alto-forno, começaram a ser entendidos. Com base em estudos de dissecação
de altos-fornos realizados na década de 1970 no Japão, onde altos-fornos em operação
foram congelados, além de sondagens com fornos em operação e diversos outros
estudos em vários países, três zonas internas principais nos altos-fornos foram definidas
(CASTRO, 2002). As características principais de cada zona interna do alto-forno são
descritas a seguir e mostradas esquematicamente na Figura 3.2.
Zona granular: É a região do alto-forno onde todos os componentes da carga se

encontram no estado sólido. Nesta zona, a carga metálica (sínter, e/ou pelota e/ou
minério), o termo redutor (coque e/ou carvão vegetal) e os fundentes mantêm a sua
configuração em camadas, tais como foram carregados (em camadas alternadas), e
descem sólidos em contracorrente com os gases. Nesta região pode ocorrer uma
excessiva degradação da carga por deficiências no controle de qualidade das matérias-
primas, afetando a permeabilidade e o fluxo gasoso ascendente.
Zona de amolecimento e fusão: Região constituída de camadas de carvão vegetal e/ou

coque e camadas coesivas alternadas e onde os componentes da carga metálica e
fundentes iniciam o amolecimento e se fundem. As camadas coesivas são formadas de
massas semifundidas de partículas de minério de ferro, praticamente impermeáveis ao
fluxo gasoso, que passa preferencialmente através das camadas de carvão vegetal e/ou
coque. Nesta zona, a carga metálica fica no estado de amolecimento até a fusão
completa.
Zona de gotejamento: É a zona ativa do combustível onde ocorre a movimentação do

carvão vegetal e/ou coque no sentido da zona de combustão e onde os materiais já
fundidos permeiam o homem morto em direção ao cadinho. O metal e a escória, já
líquidos, escoam através do carvão vegetal e/ou coque na forma sólida, em
contracorrente com os gases. Esta zona engloba duas subzonas: o homem morto e a
zona de combustão. O homem morto é a coluna de carvão vegetal e/ou coque por onde o
metal e a escória gotejam e que não alimenta a zona de combustão. Ele se estende até o
cadinho, podendo ou não encostar-se ao fundo e é responsável também por auxiliar na
sustentação da coluna de carga.
8
Figura 3.2: Esquema da região interna do alto-forno, mostrando as várias zonas

(CASTRO, 2002).
De acordo com CASTRO (2002), essa divisão não invalida o modelo operacional dos
franceses que divide o alto-forno em zona de preparação e zona de elaboração. Como a
zona de amolecimento e fusão começa em torno de 1.050 ºC e a zona de preparação
termina a 950 ºC (coque) ou 800 ºC (carvão vegetal), a zona de preparação está toda
contida na zona granular e a zona de elaboração é composta por uma parte da zona
granular, toda a zona de amolecimento e fusão e toda a zona de gotejamento. A Figura
3.3 ilustra essas divisões ao longo de duas regiões do forno junto à parede e no centro.
9
Figura 3.3: Esquema de divisão do alto-forno: modelo operacional e dissecação pelos

japoneses (CASTRO, 2002).
Quanto maior for a eficiência de redução da carga ferrosa na zona de preparação, menor
será o consumo de carbono (kg/t gusa). Dentre os fatores que influenciam nessa
eficiência estão: i) o contato gás-sólido na zona de preparação em função da
granulometria dos materiais; ii) a qualidade da carga ferrosa, principalmente a
redutibilidade); iii) a temperatura da zona de preparação e iv) o tempo de residência da
carga ferrosa na zona de preparação (CASTRO, 2002).
10
3.1.2. Princípio
O principal objetivo do alto-forno é reduzir quimicamente e converter fisicamente óxidos

de ferro em ferro líquido chamado ferro-gusa. O processo de fabricação de ferro-gusa
consome cerca de 70% de toda energia de entrada da rota integrada de fabricação de
aço. Recentemente, devido ao crescimento da necessidade social e industrial para ferro e
aço, e os elevados preços das matérias-primas e agentes redutores, também cresce a
demanda para modelagem e controle deste complexo processo para aumentar a
produtividade e reduzir os custos. Contudo, os fenômenos internos de fabricação de
ferro-gusa desafiam extremamente a mente humana, devido às altas temperaturas e
pressão, às diversas fases simultaneamente existentes e a interação entre elas, e às
trocas de momento, massa e energia, o que impossibilita medidas diretas de muitas
variáveis dentro do alto-forno (GAO et al., 2009).
Em termos de exigências de qualidade, busca-se obter durante o processo de fabricação,

ferro-gusa homogêneo e com parâmetros dentro dos limites especificados, sendo os
principais parâmetros a temperatura e os teores de silício e fósforo. Geralmente são
requeridos baixos teores de silício no ferro-gusa, do ponto de vista de economia de
energia e de desempenho estável do alto-forno, porém considerando os limites de
valores de temperatura associados à segurança operacional do alto-forno.
Outros importantes objetivos do processo de fabricação de ferro-gusa são a redução do

consumo de energia e o aumento da produtividade enquanto mantém longa vida para o
alto-forno.
3.1.3. Funções da carga sólida
Para permitir a fabricação de ferro-gusa com qualidade, a carga sólida carregada no alto-
forno possui determinadas funções.
O redutor, carvão vegetal e/ou coque, além da função de remover o oxigênio da carga
ferrosa a partir do carbono, atua como fonte de energia (calor + reserva térmica),
estrutura de sustentação da carga e é o principal responsável pela permeabilidade do
processo, pois ocupa cerca de 80% do volume da carga do alto-forno. É o material de
menor densidade e o único que chega à baixa cuba no estado sólido, sendo fundamental
11
possuir qualidade adequada e que a sua forma e tamanho sejam preservados até ser
queimado na região das ventaneiras (CRUZ e BARROSO, 2007).
O carvão vegetal e o coque apresentam significativas diferenças físicas, químicas e

metalúrgicas. A utilização de carvão vegetal granulado em altos-fornos de grande porte é
dificultada porque a sua resistência mecânica (10-80kgf/cm2) é bem inferior a do coque
(130-160kgf/cm2) (CASTRO, 2002). Os maiores altos-fornos a carvão vegetal produzem
aproximadamente 1.200t gusa/dia, enquanto altos-fornos a coque podem produzir mais
de 10.000t gusa/dia.
Como fonte do metal (Fe) a ser extraído, o alto-forno utiliza como carga ferrosa o minério
de ferro em forma de granulados (6 a 32mm) e/ou aglomerados de finos de minérios, na
forma de sinter ou pelotas. Esses produtos trazem consigo impurezas combinadas
química ou fisicamente, como a (SiO2) e a alumina (Al2O3), compostos que apresentam
elevados pontos de fusão (1.710°C e 2.030°C, respectivamente) e que fundidas formarão
a escória, um produto composto de silicatos complexos que será separada do ferro-gusa
durante a operação de vazamento do alto-forno.
Os fundentes são utilizados para controlar o teor das impurezas no ferro-gusa e para
facilitar a separação do ganga do minério de ferro, conferindo às escórias uma proporção
adequada de seus quatro óxidos principais (CaO – MgO – SiO2 – Al2O3) variando em
quantidade e tipo, em função da composição química do restante da carga. Os principais
fundentes são: quartzo (fonte de SiO2), calcário (fonte de CaO) e dolomita (fonte de CaO
e MgO). A tendência é que se exija a presença desses óxidos nos aglomerados para
minimizar ou eliminar o carregamento dos fundentes diretamente no alto-forno.
Redutores, carga ferrosa e fundentes são carregados camada por camada pelo topo do
alto-forno, e requerem de 6 a 8 horas para descer até a região inferior, onde chegam
transformados em ferro-gusa e escória e são drenados em intervalos regulares. A
descida da carga sólida procede de forma gradual devido à combustão do redutor, fusão
e amolecimento dos óxidos de ferro. Tanto o carregamento quanto a descida da carga
são continuamente monitorados por sonda mecânica ou radar. Os gases formados na
região interior do forno, onde o ar quente é soprado, ascendem rapidamente (6 a 8
segundos) até o topo, em contracorrente com os sólidos que descem, após participar de
inúmeras reações químicas.
12
3.1.4. Características dos altos-fornos da Vallourec Tubos do Brasil
As capacidades de produção de ferro-gusa dos altos-fornos da Vallourec Tubos do Brasil

variam de 700 a 1.200t/dia para o Alto-Forno 1, e de 300 a 700t/dia para o Alto-Forno 2.
A Tabela III.1 apresenta as principais características dos altos-fornos da Vallourec Tubos
do Brasil.
Tabela III.1: Características dos altos-fornos da Vallourec Tubos do Brasil.
Parâmetro Alto-Forno 1 Alto-Forno 2

3
Volume Total (m ) 593 290
Volume Útil (m3) 503 249
Altura Útil (m) 19 16
2
Área do Cadinho (m ) 23,75 13,85
Diâmetro do Cadinho (m) 5,5 4,2
Diâmetro da Goela (m) 4,8 3,52
Número de Ventaneiras 12 10
Diâmetro das Ventaneiras
140 110
(mm)
Número de Lanças 12 lanças duplas 10 lanças duplas
Diâmetro das Lanças (mm) 10 10
PGW 3100 KW / DEMAG DEMAG 3100 KW /
Sopradores
3100 kW DEMAG 2580 KW
Vazão de Sopro (Nm3/h) Máx 60.000 Máx 36.000
Pressão de Sopro (kgf/cm2) Máx 1,16 Máx 1,04
Pressão de Topo (mCA) Máx 3,2 Máx 3,2
Enriquecimento com Oxigênio
Máx 6,0 Máx 6,0
(%)
Skip/Tremonha giratória
Correia/Tremonha giratória/
Carregamento Duplo Cone / Placas
Duplo Cone/Placas móveis
móveis
Cadinho = Bloco de
Cadinho = Bloco de
Carbono; Rampa = Blocos
carbono;
de Grafite e Semi-grafite;
Rampa, Ventre e Baixa
Revestimento Refratário Ventre = Grafite e Carbeto
Cuba = Staves Cobre;
de Silício; Baixa e Média
Média e Alta cuba =
Cuba = Carbeto de Silício;
Sílico-Aluminoso (45%)
Alta Cuba = Aluminoso
Intermitente
Vazamento de Gusa Intermitente (7 corridas/dia)
(7corridas/dia)
Pré-Aquecedores de Ar 3 Regeneradores Glendons
Temperatura de Ar Quente
Máx 1.050 Máx 850
(ºC)
Sistema de Depuração de 1 coletor de pó; 2 torres 1 coletor de pó; 2 torres
GAF saturadoras e 2 venturis saturadoras e 4 venturis
13
3.2. Controle operacional e de processo do alto-forno
Para obter condições adequadas para o controle térmico, a permeabilidade e o

esgotamento do cadinho, em busca de uma operação eficiente e estável, com alta
produtividade e baixo consumo de redutor, é fundamental adquirir informações de
parâmetros de controle através de equipamentos de medições ou, em alguns casos,
através do desenvolvimento de modelos matemáticos, estatísticos, termodinâmicos,
cinéticos, dentre outros.
Mesmo em operação normal, existe a necessidade constante de atuação no controle

térmico do processo, uma vez que uma série de variáveis aleatórias, ligadas
principalmente às variações nas propriedades das matérias-primas, pode afetar o estado
térmico do forno. Essas variações térmicas se não controladas, podem ter conseqüências
graves, como desvios de qualidade do ferro-gusa, perdas de produção ou até mesmo o
resfriamento do cadinho.
Um dos parâmetros utilizados para medição de nível térmico é a temperatura do ferro-

gusa, mas outros aspectos podem ser utilizados, como as análises de ferro-gusa e de
escória. Nas análises de ferro-gusa, o silício (Si) e o enxofre (S) são excelentes
indicadores térmicos, e atenção deve ser dada ao efeito das matérias-primas nesses
teores. A basicidade binária das análises de escória (B2=%CaO/%SiO2) também é
utilizada porque tem influência nos níveis de Si no ferro-gusa.
Os valores desses parâmetros são obtidos somente após a ocorrência de fenômenos que
ocasionaram a redução do nível térmico do alto-forno, ou seja, servem para confirmação
do estado térmico causando algum atraso na execução de contramedidas necessárias
para promover as devidas correções. Outros parâmetros utilizados são:
Análise e rendimento do gás de topo (principal);

Pressões: base, topo, ar;
Temperatura de gás de topo;
Avaliação de aspectos visuais: ferro-gusa, escória e ventaneiras;
Comportamento da sonda que acompanha a descida da carga;
Drenagem do cadinho;
Preparação, composição e carregamento da carga enfornada.
14
É necessário manter o nível térmico sob controle, mas muitas vezes torna-se necessário
utilizar-se de recursos para controlar e corrigir o nível térmico de um alto-forno, como por
exemplo, alterar a vazão de vento e da temperatura de chama para corrigir a
anormalidade.
3.2.1. Modelos de controle operacional
CASTRO (2002) desenvolveu um modelo de controle para altos-fornos a carvão vegetal

baseado no modelo termoquímico (modelo termodinâmico). O objetivo principal do
modelo é calcular o peso de carbono consumido num determinado momento para que o
operador possa agir no sentido de carregar a mesma quantidade que está sendo
efetivamente consumida e, assim, manter o processo estável sob esse ponto de vista. O
modelo foi aplicado no Alto-Forno 2 da Gerdau Barão de Cocais e as simulações
realizadas mostraram que o modelo é uma ferramenta importante para uma operação
estável do processo de produção de ferro-gusa num alto-forno a carvão vegetal.
THOMSEN (2005) propôs em sua dissertação a implementação em nível operacional do

controle do processo de produção do alto-forno da SIDERPA utilizando técnicas de
estatística multivariada, como Análise de Componentes Principais (MINGOTI, 2005), T2
de Hotelling (HOTELLING, 1947) e outros, para desenvolver gráficos de controle para
médias e desvios-padrão do processo. As principais variáveis utilizadas foram: pressão
de topo, vazão de ar e temperatura da coroa. Apesar de considerar a permeabilidade
uma variável importante, esta não foi considerada porque poderia apresentar o mesmo
valor em processos com vazão e pressão diferentes.
DRUCKENTHANER et al. (1997) introduziram como potencial máximo de redução de

custos na operação do alto-forno, a aplicação de um sistema de automação do processo
de alto-forno que compreende processos físicos, químicos e funções matemáticas,
destacando um modelo de simulação de cinética on-line e o sistema de expertise. O
sistema baseia-se em modelos existentes e know-how de operação, e os principais
modelos de processos avaliados foram: gráficos bi ou tridimensionais dos parâmetros de
controle, otimização de cargas (baseado em análises das matérias-primas, produção e
consumo), distribuição de carga, precisão de balanças, análise de gás, previsão de
parâmetros que não podem ser diretamente medidos, previsão de silício para a próxima
corrida, controle dos cowpers, desgaste do cadinho e previsão da composição química do
ferro-gusa e da escória.
15
LIAN et al. (2010) propuseram um diagnóstico de falha de alto-forno através de uma

descrição quantitativa da probabilidade de falha baseando em um modelo de rede
Bayesiana. A inferência Bayesiana (STIGLER, 1982) é um tipo de inferência estatística
que descreve as incertezas sobre quantidades desconhecidas de forma probabilística.
Incertezas são modificadas periodicamente após observações de novos dados ou
resultados. Com um sumário de experiências de excelentes operadores, descreveram
uma operação unificada e padronizada através do estabelecimento de um modelo de
diagnóstico inteligente para prever on-line tão bem quanto guiar na prática as condições
do alto-forno.
3.2.2. Modelos para previsão do teor de silício
A previsão de silício tem se tornado uma significante e grande prática através de modelos
analíticos, correlações entre variáveis, redes neurais, análise de séries temporais não-
lineares, mínimos quadrados parciais e modelos de regressão.
Para ZENG et al. (2008) o controle automático da produção de ferro-gusa é um desafio,

devido à complexidade de todo o processo e da temperatura extrema ser muito alta (em
torno de 1.600ºC) e mudar constantemente, dificultando manter-se em nível estável.
Assim como a temperatura é um indicador de estado térmico do alto-forno, o mais
importante índice de qualidade do ferro-gusa é o teor de silício, o qual deve ser mantido
em um nível apropriado para facilitar a produção de ferro-gusa com alta qualidade e
corrida estável no processo de fabricação de ferro-gusa. Com isso, para melhorar o
controle do processo, é necessário um modelo para previsão consistente do silício
observado no ferro-gusa.
Ainda de acordo com ZENG et al. (2008), muito estudo tem sido feito sobre esse assunto,
entre eles estão modelos estocásticos como os modelos de regressão, modelos neurais e
modelos determinísticos como modelos matemáticos. Estes modelos podem produzir
bons resultados em algumas situações e não tão bons em outras. Como os processos de
larga escala industrial são influenciados por vários tipos de ruído, modelos com
combinações estocásticas e determinísticas podem ser mais robustos. Por essa razão,
ZENG et al. (2008) adotaram em seu trabalho o algoritmo sub-espaço para identificação
determinística e estocástica para estabelecer um modelo de previsão, considerando o
teor de silício como uma variável de saída, e como variáveis de entrada: quantidade,
16
temperatura e pressão de sopro; permeabilidade; quantidade de pulverizado;

porcentagem de CO2 no gás de topo e pressão do gás de topo.
QIU et al. (2009) mostraram uma aplicação de modelo de previsão em altos-fornos do

teor do silício no ferro-gusa baseado em redes neurais e considerando como variáveis de
entrada: diferença no teor de ferro, permeabilidade, produção, injeção de carvão, volume
de ar, temperatura de sopro, sílica na escória, intensidade da redução, consumo de
coque, velocidade do sopro, energia cinética e basicidade da escória. Dados
normalizados de produção normal de um longo período foram utilizados para treinar e
simular a rede. Os resultados mostraram uma melhoria significativa no índice de acerto
de silício.0
PAN et al. (2010) também consideram a previsão de teor de silício no ferro-gusa uma
etapa importante no controle de processo dos altos-fornos na redução de custos e
melhoria da eficiência. Segundo eles, como o processo é muito complexo, o desempenho
dos ajustes dos modelos de previsão diminuiu quando a produção é instável, o que
significa perda de muita informação valiosa contida nessas variáveis. Atualmente, os
resíduos do modelo consistem de duas partes: informação não modelada e ruído. Nesse
artigo, um tipo de modelo de regressão com autocorrelação e variâncias não constantes
para as observações (heterocedasticidade) é utilizado para prever o teor do silício no
ferro-gusa e os resíduos foram modelados pelo filtro de Kalman (WELCH e BISHOP,
2006), usado para separar a informação não modelada do ruído, que captura a
informação e a incorpora dentro do modelo original. O método proposto foi testado nos
dados coletados de um alto-forno de tamanho médio, e os resultados da simulação
mostraram que o filtro de Kalman melhora bem a acurácia do modelo de regressão.
LIU et al. (2011) interpretam a complexidade do processo de fabricação de ferro-gusa em

altos-fornos através dos aspectos técnico e teórico. O aspecto técnico compõe o status
de diagnóstico do alto-forno, o controle de previsão de teor de silício do ferro-gusa e uma
combinação deles. O aspecto de controle teórico baseia-se na inferência e na otimização
computacional. A estrutura do modelo matemático discutido inclui dinâmica, inferência,
otimização, equação de controle de previsão do silício e uma integração hierárquica
inteligente das quatro classes dos modelos.
17
3.2.3. Modelos para controle do nível térmico
TSHUMURA (1999) propõe a utilização de simuladores numéricos de modelos físicos

para modelar o nível térmico do alto-forno, considerado ser um sistema complexo e de
larga escala. Isso porque é necessário muito conhecimento e tempo para introduzir
equações de reações químicas ou fenômeno de transporte no processo e a dificuldade
com equações que, quando podem ser derivadas, são sempre compostas por muitas
equações diferenciais parciais não lineares.
SHUR (2008) considera a modelagem matemática como uma ferramenta para estudar o
processo de fabricação de ferro-gusa em altos-fornos, considerando as leis que
governam as dinâmicas do estado térmico do alto-forno e baseado na frase do físico I.
Pomeranchuk: “Para construir uma teoria, é necessário executar um experimento. Porém,
para saber que experimento executar, é necessário construir uma teoria”. Para ele, o uso
efetivo da modelagem matemática na área requer interagir modelos diferentes de
complexidade diferenciada e considera dois modelos, um para pesquisadores (modelo
teórico) e outro para operadores (modelo baseado em experimentos), levando em conta
os três fenômenos que considera serem os mais importantes: redução do ferro,
gaseificação do carbono e troca de calor.
Para prever e controlar o estado térmico de um alto-forno através do teor de silício no

ferro-gusa, GAO et al. (2009) utilizaram um preditor multi-passo repetido baseado em
uma série temporal não aleatória, denominada caos. A concordância razoável entre os
valores previstos e os valores observados indicou que o modelo tem uma boa previsão e
forte existência de um mecanismo determinístico que rege as dinâmicas do complexo
processo de fabricação de ferro-gusa em alto-forno, isto é, um sistema caótico de alta
dimensão é satisfatório para representar o sistema do alto-forno. Utilizando
conhecimentos metalúrgicos e estatísticos, foram selecionadas as seguintes variáveis
independentes para serem utilizadas no modelo: volume do alto-forno, pressão,
temperatura, permeabilidade do gás, enriquecimento de oxigênio, taxa de injeção de
carvão pulverizado, razão minério/coque, temperatura de chama, energia das
ventaneiras, reação de Boudouard, perda de calor nas ventaneiras, utilização de gás CO,
soma de CO e CO2, temperatura do gás de topo e tempo decorrido desde a última
corrida.
18
3.2.4. Modelos CFD
Outra técnica que tem sido muito utilizada para modelagem matemática e física é a
denominada CFD, do inglês Computational Fluid Dynamics. Basicamente, a tecnologia
CFD consiste na solução computacional por métodos numéricos das equações
diferenciais de Navier-Stokes que regem a mecânica de fluidos. O equacionamento e
modelagem dos fenômenos de transferência de calor e combustão são incorporados nas
soluções tornando o CFD aplicável aos equipamentos industriais e capaz de simular
diversos processos.
SOUZA et al. (2009) descreveram em seu trabalho exemplos de aplicações de CFD na

indústria siderúrgica. A região de combustão de um alto-forno foi modelada para análise
de parâmetros operacionais conduzindo a maximização de PCI (Pulverized Coal
Injection) nas ventaneiras.
FRANÇA et al. (2009) utilizaram modelos CFD e redes neurais artificiais com o propósito
de antever, prever e quantificar parâmetros importantes para previsão do comportamento
e o conhecimento dos fenômenos que ocorrem no processo do alto-forno. Um modelo
CFD foi utilizado para analisar a sensibilidade da produção diária e a razão CO/CO 2 aos
parâmetros: temperatura de sopro, enriquecimento de O2 no sopro e porcentagem de
sinter na carga. Os dados obtidos com a simulação em CFD foram utilizados para treinar
duas redes neurais para previsão de resultados do alto-forno.
3.2.5. Modelos para controlar ou prever o consumo de redutor
SOARES et al. (2009) utilizaram uma abordagem baseada em técnicas de inteligência

artificial, mais especificamente, redes neurais, para auxiliar a operação e melhorar o
controle de alto-forno, com objetivo de otimizar e reduzir o consumo de redutor. A
sinergia entre o conhecimento fenomenológico do processo e as informações contidas
nos dados históricos possibilitou o desenvolvimento de um modelo matemático
condizente com a realidade do processo, podendo servir como base para o projeto de um
controlador multivariável. Os resultados esperados envolveram principalmente a
otimização do uso de carvão, após encontrar associações entre as variáveis de processo
e direcionar a maneira mais eficiente da operação, que reduz a variabilidade do produto
final e garante uma matéria-prima mais adequada para a etapa seguinte do processo.
19
Uma das etapas mais importantes de SOARES et al. (2009) foi determinar as variáveis
mais relevantes para o controle do nível térmico. Com base em revisão bibliográfica,
entrevistas com os profissionais responsáveis pela gestão e operação do alto-forno,
utilização de funções de autocorrelação e correlação cruzada, foi possível determinar que
as variáveis mais importantes são: carregamento de carvão, minério e quartzo;
características do gás de topo (rendimento do gás e concentração de H2); variáveis de
sopro (temperatura de chama, vazão e umidade do ar e injeção de carvão) e algumas
características das matérias-primas, como umidade e teor de carbono fixo do carvão
vegetal.
Um modelo estatístico importante é conhecido como “Fórmula de Flint”, uma expressão

algébrica que permite correlacionar o consumo específico de carbono (coke-rate) com um
grande número de variáveis do processo de fabricação de ferro-gusa no alto-forno a
coque (FLINT, 1952):
n
CR K Ci Vi (3.7)
i 1
Onde:
CR = consumo específico de carbono, kg/t gusa;

K = constante de regressão específica para cada alto-forno;
Vi = variável i que afeta o consumo de carbono, na sua unidade conveniente;
Ci = coeficiente de regressão que quantifica o efeito da variável i, adimensional.
Essa expressão teve origem na correlação estatística e na análise de dados operacionais

de altos-fornos a coque, cujos resultados foram suplementados por cálculos teóricos e,
quando possível, por informações experimentais, e envolve 28 variáveis conforme Tabela
III.2.
Os coeficientes das variáveis possuem sinal positivo ou negativo, conforme o sentido de

sua contribuição para com o consumo de carbono. Todos os coeficientes são constantes,
o que indica correlação linear entre as variáveis, exceto o coeficiente do teor de enxofre
no ferro-gusa (variável 16), cuja correlação não é linear, e depende do próprio teor de
enxofre e do teor de silício. Dessa forma, o coeficiente do teor de enxofre do modelo
precisa ser calculado utilizando a equação 3.8 ou a equação 3.9:
20
0,013
C16 2
57 x0,5 (3.8)
%S / 100 0,232 %Si / 100 0,00009
para %S/100 0,00032 – 0,232(%Si/100)2, e
0,002
C16 2
20 x0,5 (3.9)
%S / 100 0,232 %Si / 100 0,00022
para %S/100 > 0,00032 – 0,232(%Si/100)2 e onde:
C16 = coeficiente de regressão do teor de enxofre no ferro-gusa;

%S = teor de enxofre no ferro-gusa;
%Si = teor de silício no ferro-gusa.
21
Tabela III.2: Variáveis da “Fórmula de Flint”, suas unidades e seus coeficientes de

regressão (FLINT, 1952).
Categoria Nº (i) Variável (Vi) Unidade Coeficiente (Ci)

1 Cinza do coque kg/t gusa + 0,60
Escória 2 Carbonatos não calcinados kg/t gusa + 0,60
3 Outros kg/t gusa + 0,15
4 Fração < 1 mm kg/t gusa + 0,08
Faixa
5 Fração de 1 a 10 mm kg/t gusa + 0,04
granulométrica
da carga
metálica
8 Fração > 100 mmm kg/t gusa + 0,10
9 Enxofre carregado kg/t gusa + 5,00
Composição da 10 Metal livre carregado kg/t gusa - 0,45
carga 11 Fe sob forma de silicato kg/t gusa - 0,30
12 H2O combinado carregado kg/t gusa + 0,45
13 Teor de silício % + 60,00
Composição do 14 Teor de manganês % +10,00
gusa 15 Teor de fósforo % + 10,00
16 Teor de enxofre % variável
3
Nm /min/
m3 (volu-
17 Volume de ar soprado + 50,00
me útil do
Ar soprado 18 Temperatura do ar soprado - 1,80
forno
19 Umidade do ar soprado + 0,25
ºC
kg/t gusa)
20 Gás de coqueria kg/t gusa - 0,80
21 Gás natural kg/t gusa - 1,05
Combustíveis 22 Óleo combustível kg/t gusa - 0,85
auxiliares 23 Alcatrão kg/t gusa - 0,90
(injeções) 24 Carvão alto volátil kg/t gusa - 0,75
25 Carvão baixo volátil kg/t gusa - 0,80
26 Umidade do carvão injetado kg/t gusa - 0,35
Variáveis não Dias de campanha dias + 0,015
27
ligadas ao Perdas de gusa no canal e
28
processo panela % + 5,00
22
Para aplicar a “Fórmula de Flint” a um dado alto-forno a coque, o primeiro passo é

determinar a constante K a partir da análise de dados históricos, subtraindo do consumo
específico de carbono conhecido, as parcelas devidas às diferentes variáveis. É
conveniente a utilização de valores médios mensais de períodos mais extensos
possíveis, 2 a 3 anos, e excluir os dados referentes aos períodos de marcha anormal ou
fora de controle.
De acordo com CASTRO (2002), devido às grandes variações no processo e nas

qualidades das matérias-primas de um alto-forno a carvão vegetal, um modelo puramente
estatístico para alto-forno a carvão vegetal ainda não foi aplicado. MAPA et al. em 1990
fizeram uma tentativa similar à “Fórmula de Flint” para altos-fornos a carvão vegetal de
usinas não integradas. Como o processo tem uma baixa estabilidade e uma pequena
confiabilidade nos dados operacionais medidos, e, na época, os conhecimentos sobre
métodos estatísticos eram precários, não foi possível estabelecer uma correlação das
variáveis do processo com o consumo específico de carbono para os altos-fornos a
carvão vegetal dessas usinas. Outros modelos estatísticos foram implementados em
altos-fornos a coque, como por exemplo, a correlação desenvolvida por BHAGAT et al.
em 1991, que correlaciona um número menor de variáveis que a “Fórmula de Flint”.
Provavelmente, o alto-forno referência do estudo tinha uma operação muito estável, com
poucas variações no processo, o que justifica a eficiência da expressão (3.10) no cálculo
do consumo específico de carbono:
(3.10)
Sendo:
Y1 = consumo específico de carbono, kg/t gusa;
X11 = peso da carga por tonelada de ferro-gusa, kg/t gusa;
X13 = temperatura média do ar soprado, K;
X14 = percentual de cinza no coque, %;
X1 = consumo específico de sínter, kg/t gusa;
X10 = consumo específico de calcário, kg/t gusa;
X9 = percentual do minério de ferro abaixo de 12 mm, %;
X3 = redutibilidade do sinter, %;
R2 = coeficiente de determinação simples
23
3.3. Qualidade das matérias-primas
Um grande problema enfrentado na operação dos altos-fornos é a baixa estabilidade

(bom funcionamento) que se deve principalmente às variações nos parâmetros de
qualidade das matérias-primas. Para que as matérias-primas possam cumprir as suas
determinadas funções e produzir ferro-gusa com qualidade, é muito importante conhecer
bem as suas características (físicas, químicas, granulométricas e metalúrgicas) e suas
consequências para a operação.
Para atender ao objetivo de produzir cada vez mais a um custo cada vez menor, cresce a
demanda dos altos-fornos por matérias-primas elaboradas. Mineradoras e usinas
siderúrgicas passaram a implantar processos de beneficiamento de matérias-primas
buscando melhor preparação das cargas através da formação de blends, secagem e
melhor classificação granulométrica.
Carvão vegetal, minérios de ferro e pelota que abastecem os altos-fornos da Vallourec

Tubos do Brasil são avaliados na rotina em termos de umidade, composições química e
granulométrica. Além disso, são feitas melhorias na qualidade dos mesmos para torná-los
mais homogêneos e estáveis, a fim de se ter uma menor variabilidade dos parâmetros de
qualidade do ferro-gusa e da escória. Para os minérios de ferro, a planta de
beneficiamento na usina permite a formação homogênea de pilhas, a secagem e o
peneiramento para retirada dos finos. Para o carvão vegetal, tem-se o peneiramento para
retirada de finos e a classificação do material em faixas granulométricas (CRUZ e
BARROSO, 2007).
A elevada incerteza física e química do carvão vegetal, o uso de minério de ferro com
significativa heterogeneidade física e química, a grande influência do clima na qualidade
do redutor e as incertezas amostrais e analíticas das matérias-primas, fazem com que o
atendimento aos parâmetros de qualidade seja complexo, e, para obter uma análise
precisa dos resultados, a amostra a ser coletada precisa ser muito grande, o que passa a
ser uma dificuldade prática. Tudo isso dificulta o uso de modelos termoquímicos. Até que
essa variabilidade seja minimizada com melhores tecnologias de carbonização e recursos
para beneficiamento das matérias-primas, faz-se necessário a utilização de ferramentas
estatísticas (SAMPAIO et. al., 2006).
Projetos do programa Seis Sigma foram desenvolvidos na Vallourec Tubos do Brasil para
quantificar e reduzir a variabilidade inerente ao processo de amostragem de carvão
24
vegetal e minério de ferro a fim de se obter resultados mais confiáveis. Através desses
trabalhos, estimou-se que cerca de 20% da variabilidade total desses materiais se deve
aos procedimentos de amostragem (coleta, preparação e análise).
3.3.1. Origem da heterogeneidade atual do carvão vegetal
Segundo SAMPAIO et. al. (2006), a heterogeneidade do carvão vegetal teve origem com
a demanda da logística para o atendimento da produção de grandes toneladas de carvão
vegetal, o que implicou na mecanização das unidades de reflorestamento, colheita e
carbonização e no desenvolvimento de grandes unidades produtoras de carvão vegetal
como mostra a Figura 3.4. A enorme heterogeneidade granular e geométrica do carvão
vegetal é a principal dificuldade na realização de testes, principalmente os metalúrgicos.
A obtenção de uma amostra de carvão vegetal representativa do lote de interesse é uma
tarefa árdua e não dominada, pois o tamanho dessas amostras precisa ser muito grande.
Trippers com 3 a 6 m3
GRANULADO
Finos sujos Varios silos com 1000 m3 cada
MADEIRA HETEROGENEA ETAPAS DE HOMOGENEIZAÇÃO

FINOS
MADEIRA HOMOGENEA ELEVAÇÃO DA HETEROGENEIDADE = LENHAS COMPRIDAS E PROCESSO HETEROGENEO
OU
MADEIRA HOMOGENEA CARBONIZAÇÃO HETEROGENEA PRÉ MISTURA DE CV E REMOÇÃO DE TIÇOS
Figura 3.4: Comparação entre os processos antigo e atual de produção de carvão

vegetal (SAMPAIO et. al., 2006).
25
De acordo com o trabalho de WINTER e MORAIS (2008), o início da colheita da

Florestal, empresa do grupo Vallourec Tubos do Brasil, se deu em 1977; o início da
mecanização em 1998 e a adequação da tecnologia foi feita em 2008.
Antes da mecanização da colheita, SAMPAIO et. al. (2006) define a fonte de madeira
heterogênea, com densidade mais alta, em formato de pequenos troncos de madeiras
não cilíndricos. Com colheita manual, o transporte era feito em caminhões pequenos e as
unidades de carbonização também eram pequenas: fornos, lotes e produções menores.
O carvão vegetal era vendido por volume e os finos não eram carregados. Era conferido
e com alto padrão de qualidade, principalmente para os itens densidade a granel,
umidade, finos e carbono fixo. As etapas realizadas na colheita, no transporte e na
descarga permitiam a homogeneização do material. O carvão vegetal era transportado
em pequenos caminhões dentro de pequenos sacos. Para encher os sacos, eram
utilizados garfos e o carvão vegetal era quebrado em pedaços para permitir melhor
enchimento, com cuidado para não gerar finos, uma vez que o interesse era o volume e
não o peso. Durante o processo de recebimento dos caminhões, era possível avaliar
visualmente a qualidade do carvão vegetal e coletar diversos incrementos para formar a
amostra que representava bem o carvão vegetal daquele caminhão. Também era
possível retirar os finos ricos em contaminação através de uma classificação
granulométrica do carvão vegetal nos silos, utilizando grades, e depois no peneiramento.
Ainda de acordo com SAMPAIO et. al. (2006), com a necessidade de atender à produção
de grandes tonelagens, foi necessário desenvolver grandes unidades produtores de
carvão vegetal. Com isso, passou-se a ter uma madeira homogênea com as plantações
de clones idênticos, e a utilização de grandes pedaços de madeira em formato mais
cilíndrico e menos granular. No entanto, o processo de carbonização tornou-se muito
heterogêneo, com fornos grandes, mecânicos e a utilização de lenhas compridas gerando
boa parte de tiço. A assimetria dos fornos retangulares utilizados no processo de
carbonização provoca a heterogeneidade da temperatura dentro dos mesmos. A falta de
rigor no manuseio e na estocagem permite elevar a umidade, a geração de finos e a
variabilidade geométrica e química do carvão vegetal.
Não existe ainda uma definição precisa e contundente para a qualidade siderúrgica do
carvão vegetal devido principalmente à natureza de seu processo de produção e à
elevada heterogeneidade resultante dos processos atuais de carbonização. Testes para
esse tipo de avaliação da qualidade ainda estão em desenvolvimento com o uso de
testes similares aos utilizados para o coque. Ainda será necessário muito experimento e
26
estudos fundamentais para melhor compreender e estabelecer uma definição do carvão

vegetal ótimo.
3.3.2. Avaliação da qualidade
A caracterização do carvão vegetal é dada por suas propriedades físico-químicas (análise

química, granulométrica e densidade) e depende em linhas gerais da madeira utilizada
como matéria-prima, do método e da temperatura final de carbonização.
Em termos da composição química, a análise mais praticada para o carvão vegetal é a

análise imediata onde são analisados os teores de carbono fixo, cinzas e materiais
voláteis, além da umidade.
A densidade, relação massa/volume (kg/m3), é um parâmetro fácil de ser medido e é

influenciado pela temperatura de carbonização e a densidade da madeira. De um modo
geral, existem três métodos para se expressar a densidade do carvão vegetal: 1) relação
entre a massa obtida e o volume, denominada por densidade a granel; 2) subtração do
volume dos vazios entre os vários pedaços de carvão da medida realizada para
densidade a granel, denominada por densidade aparente; 3) subtração do volume da
porosidade interna que é considerada na densidade aparente, denominada por
densidade verdadeira. Geralmente utiliza-se a densidade a granel, que é calculada pela
própria massa e volume da carreta, não necessitando de realizar ensaio em laboratório.
A espécie e a qualidade da madeira oriunda de florestas nativas ou de eucalipto

respondem, dentre outras coisas, pela densidade do carvão vegetal. Segundo Oliveira e
Almeida (1980), a densidade da madeira tem relação direta e linear com a densidade do
carvão vegetal. Espécies de maior densidade aparente produzem carvões com
densidades mais elevadas para o mesmo teor de carbono fixo.
A distribuição granulométrica do carvão vegetal depende diretamente da sua resistência

mecânica, principalmente abrasão e queda, e pode variar de acordo com a espécie e a
metodologia de carbonização adotada. A curva de distribuição granulométrica, o tamanho
médio, em mm, e o percentual de finos, definido como a fração menor que 10mm na
Vallourec Tubos do Brasil, são os principais parâmetros de interesse.
A carga ferrosa tem a qualidade avaliada em termos de características físicas, químicas e

metalúrgicas. Em termos de composição química, os principais elementos analisados são
27
Fe, SiO2, Al2O3, Mn e P, os quais são utilizados para cálculo do balanço de massa e
avaliação da escória.
Para análise granulométrica da carga ferrosa, também são importantes o tamanho médio,
em mm, e o percentual de finos (para os altos-fornos da Vallourec Tubos do Brasil, a
fração inferior a 6,35mm). A distribuição granulométrica está relacionada com os índices
de permeabilidade da coluna de carga e fluxo gasoso.
Os principais testes metalúrgicos realizados para a carga ferrosa são: i) Tamboramento,

para avaliar a resistência mecânica (abrasão e impacto) durante o transporte e manuseio;
ii) Crepitação, para avaliar os finos gerados por choque térmico; iii) Redutibilidade, para
avaliar a velocidade de remoção de oxigênio do óxido de ferro e iv) Índice de Degradação
sob Redução (Reduction Degradation Indices - RDI), para avaliar a degradação durante a
redução.
Carvão vegetal, minérios de ferro e pelota que abastecem os altos-fornos da Vallourec

Tubos do Brasil são avaliados na rotina em termos de umidade, composições química e
granulométrica e são feitas melhorias da qualidade dos mesmos. Para os minérios, a
planta de beneficiamento na usina permite a formação homogênea de pilhas, a secagem
e o peneiramento para retirada dos finos. Para o carvão vegetal, tem-se o peneiramento
para retirada de finos e classificação do material em faixas granulométricas.
3.4. Metodologias Estatísticas
3.4.1. Superfície de Resposta e Regressão
A metodologia de superfície de resposta, ou MSR, é uma coleção de técnicas

matemáticas e estatísticas que são úteis para modelagem e análise nas aplicações em
que a variável resposta (dependente) de interesse é influenciada por muitas variáveis
explicativas (independentes) e o objetivo é determinar o valor ótimo da variável resposta
(MONTGOMERY, 2001).
Segundo Montgomery (2001), as equações definidas de superfície de resposta podem

ser representadas graficamente e utilizadas de três formas: i) para descrever como as
variáveis afetam as respostas; ii) para determinar as inter-relações entre as variáveis; e
iii) para descrever efeitos combinados de todas as variáveis sobre a resposta.
28
Com o objetivo de visualizar a forma de uma superfície de resposta, utilizam-se gráficos

tridimensionais, nos quais a superfície de resposta é representada em um espaço
tridimensional em função de duas variáveis, x1 e x2. Utilizam-se também gráficos de
contornos (contour plot), também conhecidos como curvas de nível, úteis no estudo dos
níveis das variáveis x1 e x2 que resultam nas mudanças na forma ou na altura da
superfície de resposta.
Na maioria dos problemas de MSR, é desconhecida a forma da relação entre a variável

resposta e as variáveis independentes, sendo então, o primeiro passo, identificar uma
aproximação adequada para esta relação. Em geral, utiliza-se um polinômio de baixo
grau em alguma região dos fatores. Se a resposta for bem modelada por uma função
linear dos fatores, então a função de aproximação será o modelo de primeira ordem:
y 0 x
1 1 2 x2 ... k xk (3.11)
onde y variável resposta, são as variáveis explicativas (ou

independentes), são os parâmetros do modelo de regressão e são
os erros aleatórios com distribuição normal com média 0 e desvio padrão .
Se houver interação entre os efeitos principais, denominado curvatura, então um

polinômio de maior grau tem de ser usado, como o modelo de segunda ordem:
k k
y 0 jxj ij xi x j jj x 2j
j 1 i j j 1
(3.12)
Para estimar os parâmetros do modelo utiliza-se o método dos Mínimos Quadrados

(MONTGOMERY et al., 2004), que é o método utilizado para estimar os coeficientes de
regressão no modelo de Regressão Múltipla (MONTGOMERY et al., 2004). As equações
3.11 e 3.12 podem ser expressas na notação matricial como:
(3.13)
sendo:
29
y1 1 x11 x12 ... x1k 0 1
y2 1 x 21 x 22 ... x 2 k 1 2
. . . . . .
, , e
. . . . . .
. . . . . .
yn 1 x n1 xn 2 ... x nk k n
Em que é um vetor de dimensão (n x 1) com os valores das observações, é uma

matriz de dimensão (n x p) com os níveis das variáveis explicativas, é um vetor de
dimensão (p x 1) dos coeficientes de regressão e é um vetor (n x 1) dos erros
aleatórios, sendo p = k + 1 o número de parâmetros do modelo.
A estimativa de mínimos quadrados de é:
^
1
( ' ) ' (3.14)
Observe que há p k 1 equações normais para p k 1 incógnitas (os valores de

^ ^ ^
0 , 1 ,..., k ).
A estimativa de cada parâmetro k representa a variação esperada na resposta y por
unidade de variação unitária em x k , quando todas as outras variáveis são mantidas
constantes.
Após estimar os parâmetros dos modelos de regressão múltipla, testes de hipóteses

relativos a estes parâmetros são realizados para medir a adequação do modelo.
Para determinar se existe uma relação linear entre a variável resposta e um subconjunto
de variáveis (ou fatores), realiza-se o teste para a significância da regressão. As
hipóteses nula (H0) e alternativa (H1) são:
H0 : 1 2 ... k 0
H1 : j 0 para no mínimo um j .
Rejeitar a hipótese nula significa que no mínimo uma das variáveis explicativas contribui
significativamente para o modelo.
30
Para testar a significância da regressão utiliza-se a análise de variância (ANOVA). O

procedimento divide a variabilidade total da variável resposta em dois componentes: a
variação devido ao modelo ajustado e a variação residual (dos erros de ajuste):
(3.15)
sendo:
é a média de todas as observações ;
é a estimativa de produzida pela modelo ajustado.
Geralmente, esses termos respectivamente são chamados de: soma quadrática total,
soma quadrática da regressão e soma quadrática do erro ou residual. Sendo assim, a
equação 3.15 pode ser escrita como:
SQT SQR SQE (3.16)
A SQT corrigida tem n 1 graus de liberdade. Se a hipótese nula for verdadeira, então
2
SQR / é uma variável aleatória com distribuição qui-quadrado com k (número de
2
variáveis ou fatores) graus de liberdade, SQE / é uma variável aleatória com
distribuição qui-quadrado com n p graus de liberdade e SQE e SQR são
independentes.
A estatística de teste utilizada para testar a hipótese nula é:
MQ R SQR SQE
F0 , onde MQ R e MQE (estimativa de mínimos quadrados da
MQ E k n p
variância dos resíduos) (3.17)
A hipótese nula é rejeitada se o valor da estatística de teste (F0) for maior do que o valor
f ,k ,n p determinado usando a distribuição F de Fisher e Snedecor e cuja área acima de
f ,k ,n p é igual ao nível de significância do teste ,
Também temos interesse em testar hipóteses para os coeficientes individuais de

regressão para determinar o valor potencial de cada uma das variáveis (ou fatores) no
modelo. Isso auxilia na melhoria da efetividade do modelo, através da inclusão de
31
variáveis adicionais ou retirada de uma ou mais variáveis atualmente no modelo. As

hipóteses são:
H0 : j 0
H1 : j 0
A estatística de teste é:
T0 (3.18)
2
C jj
sendo C jj o j-ésimo elemento da diagonal da matriz ( ' ) 1 , correspondente

^
a j .
A hipótese nula é rejeitada se , que é o valor da distribuição t-Student com
graus de liberdade e tal que a área acima de é igual ao nível de significância
do teste ,
A medida de adequação mais comumente usada é o coeficiente de determinação , que

representa a proporção da variabilidade da variável resposta que é explicada pelo modelo
ajustado.
SQR SQE
R2 1 , 0 R2 1. (3.19)
SQT SQT
Associado ao R 2 está o coeficiente de determinação ajustado pelo número de parâmetros

inseridos no modelo ( ). Considera o fato de que R 2 tende a superestimar a
quantidade atual de variação contabilizada para a população. Também é fato que a
inclusão de muitos parâmetros no modelo de regressão aumenta substancialmente o
valor de R 2 . Se o modelo recebeu parâmetros desnecessários haverá um incremento em
R 2 sem haver, necessariamente, melhoria de precisão da resposta. Por isso o
é mais indicado para comparar modelos com números diferentes de parâmetros e, ainda,
ajustados com número de observações diferentes. O coeficiente de determinação
ajustado para graus de liberdade e número de parâmetros (p) é definido por:
32
(3.20)
Nota: O é sempre menor que o R 2 e só será igual quando p=1.
3.4.2. ANOVA Hierárquica
Em certos experimentos multifatoriais, nos quais os níveis de um fator são semelhantes

mas não idênticos para os diferentes níveis de outro fator, utiliza-se a disposição
chamada de planejamento aninhado ou hierárquico, com os níveis de um fator aninhados
abaixo dos níveis de outro fator (NETER, 2008). A Figura 3.5 é um exemplo de
planejamento hierárquico em dois estágios (fatores A e B).
Figura 3.5: Planejamento hierárquico em dois estágios (fatores A e B).
O modelo ANOVA hierárquico para um planejamento balanceado (mesmo número de

níveis) com dois fatores aleatórios, A e B é:
(3.21)
Onde , e são variáveis aleatórias, independentes, com distribuição normal,

médias zero e variâncias , e , respectivamente.
A soma de quadrados total (SQT) é decomposta em soma de quadrados do fator A

(SQFA), soma de quadrados do fator B (SQFB) e soma de quadrados dos resíduos (SQR):
33
SQT = SQFA + SQFB + SQR (3.22)
As estimativas das somas de quadrados são:
, e (3.23)
E a tabela de análise de variância:
Tabela III.3: Análise de variância de uma ANOVA Hierárquica.
Fonte de Soma de Graus de Quadrado Médio F

Variação Quadrados Liberdade
Fator A SQFA a–1
B dentro de A SQFB(A) a(b -1)
Resíduo SQR ab(n – 1)
Total SQT abn - 1

34
4. METODOLOGIA DE TRABALHO
4.1. DMAIC (Define, Measure, Analyse, Improve, Control)
DMAIC é uma versão atualizada da metodologia PDCA utilizada na condução de

programas de melhoria, como por exemplo, o programa Seis Sigma, que tem foco na
redução da variabilidade. A Tabela IV.1 resume as fases e objetivos dessa metodologia.
Tabela IV.1: Resumo da metodologia DMAIC.
FASES: OBJETIVOS:
D DEFINE (DEFINIR) Definir o problema, a meta, a equipe e o cronograma.
Avaliar a situação atual, mapear os processos críticos

M MEASURE (MEDIR)
e refinar o escopo do projeto.
A ANALYSE (ANALISAR) Identificar as causas do problema.
Desenvolver e implementar soluções para eliminar as

I IMPROVE (MELHORAR)
causas vitais do problema.
C CONTROL (CONTROLAR) Garantir e monitorar os resultados.
4.2. Redução da variabilidade inerente à amostragem
4.2.1. Carvão vegetal
No ano de 2006 foi desenvolvido um projeto do programa Seis Sigma na Vallourec Tubos
do Brasil intitulado como “Desenvolvimento de uma técnica de amostragem de carvão
vegetal mais representativa”. Os objetivos desse projeto eram determinar a variabilidade
inerente ao material (qualidade e heterogeneidade) e ao método utilizado na amostragem
do carvão vegetal e reduzir em 30% a variabilidade devido ao processo de coleta,
preparação e análise do carvão vegetal (método), conforme ilustrado na Figura 4.1. A alta
35
variabilidade dos resultados leva à falta de confiabilidade dos mesmos e a impactos

negativos na operação dos altos-fornos.
depois
antes
Figura 4.1: Ilustração da proposta de redução da variabilidade do método de

amostragem antes e depois do projeto do programa Seis Sigma.
O escopo do projeto consistia em avaliar o processo de amostragem de carvão vegetal

no pátio de recebimento de matérias primas da Vallourec Tubos do Brasil, observando os
seguintes aspectos: i) coleta da amostra de carvão vegetal no amostrador automático
cross-belt; ii) avaliação do processo de preparação da amostra no laboratório físico
(equipamentos e procedimentos); e iii) avaliação das análises granulométrica, imediata e
de umidade das amostras.
Para avaliar a situação atual da amostragem do carvão vegetal na Vallourec Tubos do

Brasil, dados históricos foram analisados, foram realizadas visitas à área, reuniões com
os operadores responsáveis pelas atividades de amostragem, comparações dos
procedimentos operacionais com normas técnicas, bibliografias e procedimentos de
empresas consideradas benchmark, e um primeiro experimento de balança de massa,
conforme mostra a Figura 4.2, foi realizado para confrontar com resultados de
amostragem.
36
CVG = carvão vegetal grosso (32 a 125mm)

CVM = carvão vegetal médio (10 a 32mm)
Figura 4.2: Esquema do experimento de balanço de massas do carvão vegetal.
Um segundo experimento foi realizado para quantificar as variabilidades inerentes ao

material e a cada etapa da amostragem (coleta, preparação e análise) separadamente.
Para isso, amostras foram coletadas de cinco carretas, em duplicata, preparadas em
duplicata e analisadas também em duplicata, conforme planejamento hierárquico em três
estágios mostrado na Figura 4.3. Durante o experimento, além das análises já realizadas
na rotinha de trabalho da empresa (em verde), foram obtidas análises consideradas foras
da rotina já que não são feitas usualmente (em laranja).
37
Planejamento hierarquico em 3 estágios para estimativa dos componentes de variação com o

procedimento atual de amostragem, preparação e análise:
Variação total= variação entre carretas +
variação entre amostras dentro da carreta
variação entre análises (preparação da amostra e análise)
Carreta 1 Carreta 2 Carreta 5
...
Balança
Silo
Amostrador Amostrador Amostrador
Tambor com Amostra1 Amostra2 Amostra1 Amostra2 Amostra1 Amostra2

amostra composta
(incrementos) 200 200 200 200 200 200
Amostra p/ análise
Análise1 Análise2 Análise1 Análise2 Análise1 Análise2 Análise1 Análise2 Análise1 Análise2 Análise1 Análise2
Amostragens e análises fora da rotina
Figura 4.3: Fluxograma do experimento hierárquico para quantificar separadamente as

variabilidades do material e do método de amostragem.
Por exemplo: para a carreta 1 coleta-se na rotina uma amostra (Amostra 1). Durante o
experimento, para quantificar o erro de coleta da amostragem, foram coletadas duas
amostras semelhantes (Amostras 1 e 2). Na rotina, a Amostra 1 é quarteada e preparada
e obtém-se os resultados da Amostra 1 com a Análise 1. Durante o experimento, a
Amostra 1 foi quarteada e preparada gerando duas amostras semelhantes para análise:
Análise 1 (rotina, em verde) e Análise 2 (fora da rotina, em laranja). Para a Amostra 2,
foram feitos os mesmos procedimentos, gerando também duas amostras semelhantes
para análise: Análise 1 e Análise 2 (ambas fora da rotina, em laranja). Essas divisões
permitem quantificar os erros inerentes à preparação e à análise da amostragem
separadamente. A variabilidade entre as carretas é a variabilidade própria do carvão
vegetal, sem o efeito da amostragem.
Com os resultados obtidos com a realização do segundo experimento, o próximo passo

foi estudar os fatores que estariam contribuindo para a variabilidade do método de
amostragem (coleta, preparação e análise): i) momento de coleta da amostra; ii) intervalo
de coleta dos incrementos da amostra; iii) etapa de preparação das amostras.
38
4.2.2. Minério de ferro
Em 2008 foi desenvolvido um novo projeto do programa Seis Sigma na Vallourec Tubos
do Brasil com objetivo de revisar a metodologia de amostragem de minério de ferro. Isso
porque havia divergência entre os resultados de análise química e granulométrica
enviados pelo fornecedor e os resultados obtidos na Vallourec Tubos do Brasil, os quais
são utilizados para o cálculo do leito do alto-forno que determina a composição química
do ferro-gusa produzido.
Os resultados de composição química de amostras de ferro-gusa coletadas no canal de

corrida, quando comparado com os resultados simulados pelo leito de fusão, também
apresentavam divergências, independente da origem dos resultados de entrada
(fornecedor ou Vallourec Tubos do Brasil). A falta de confiabilidade desses resultados
pode ocasionar descontrole do processo, consumo inadequado de matéria-prima (maior
desperdício) e perda de rendimento.
Além de revisar e melhorar a metodologia da amostragem de minério de ferro, o projeto

permitiu fazer ruma avaliação macro do desempenho dos sistemas de beneficiamento do
minério de ferro (homogeneização, secagem e peneiramento) mostrados na Figura 4.4,
levantar pontos críticos e definir melhores condições operacionais em função das
características do minério de ferro de entrada.
39
Figura 4.4: Fluxo de recebimento e beneficiamento de minério de ferro da Vallourec

Tubos do Brasil.
Para avaliar a situação atual da amostragem dos minérios de ferro na Vallourec Tubos do
Brasil, foram realizadas visitas à área, brainstorming com os operadores responsáveis
pelas atividades de coleta, preparação e análise (física e química), comparação dos
padrões operacionais existentes com normas técnicas (BS 5660, NBR 5734, NBR 8856,
NBR 8956, ISO 3082, ISO 3084, ISO 3085 e ISO 3086) e bibliografias relacionadas ao
assunto, além de visitas técnicas a outras empresas para conhecer melhores práticas de
amostragem.
Um primeiro experimento foi realizado para avaliar a metodologia de amostragem atual,

estimar os componentes de variabilidade devido à coleta, preparação e análise e avaliar
as alterações sofridas pelo material ao longo do processo de beneficiamento. Amostras
foram coletadas de dez caminhões, em duplicata, preparadas em duplicata e analisadas
também em duplicata, conforme planejamento hierárquico mostrado na Figura 4.5 ao
longo de todo o fluxo de recebimento de minério de ferro na Vallourec Tubos do Brasil.
40
Figura 4.5: Planejamento hierárquico do experimento para estimar os componentes de

variação da amostragem de minério de ferro na Vallourec Tubos do Brasil.
Por exemplo: foram coletadas duas amostras semelhantes para o Caminhão 1: Amostra
1 e Amostra 2, para quantificar o erro de amostragem inerente à coleta. A Amostra 1 foi
quarteada e dividida em duas: uma parte foi utilizada para realizar análise de
granulometria (Granulometria 1) e a outra parte foi utilizada para a análise de umidade
(Umidade 1). Após obter o valor da umidade, todo o conteúdo da amostra Umidade 1 foi
homogeneizado e quarteado em duas sub-amostras: Sub-amostra 1 e Sub-amostra 2.
Obteve-se a análise química de cada sub-amostra. Os mesmos procedimentos foram
repetidos para a Amostra 2 do Caminhão 1. Essas repetições e subdivisões permitiram
quantificar os erros inerentes à preparação e à análise da amostragem separadamente. A
variabilidade entre os caminhões é a variabilidade própria do minério de ferro, sem o
efeito da amostragem.
4.3. Modelamento estatístico do consumo de carvão vegetal
4.3.1. Base de dados
Como a Vallourec Tubos do Brasil possui dois altos-fornos com características bem
distintas, faz-se necessário trabalhar com informações de cada alto-forno e ajustar
modelos específicos para cada um.
O banco de dados utilizado para construção dos modelos é composto de informações

diárias de consumos reais dos altos-fornos, em kg, e da qualidade química e física do
carvão vegetal, dos minérios de ferro e da pelota, de maio de 2003 a dezembro de 2011.
41
Sendo assim, o banco de dados é composto por cerca de 3.000 linhas de dados diários
dos altos-fornos.
Na preparação dos dados, assim como foi feito na “Fórmula de Flint” (FLINT, 1952),
foram excluídos os “outliers”, que são os dias em que ocorreram desligamentos ou
religadas dos altos-fornos, uma vez que poderiam interferir na adequação dos modelos
ajustados.
Os dados divulgados nesse trabalho estão baseados nos dados que foram divulgados
nos “Encontros de Especialistas em Altos-Fornos a Carvão Vegetal” de números 55 a 73.
As variáveis de consumo dos altos-fornos utilizados nos modelos ajustados estão

resumidos na Tabela IV.2:
Tabela IV.2: Variáveis utilizadas para o desenvolvimento dos modelos estatísticos.
Variáveis: Unidade
Resposta:
Consumo de Carvão Vegetal de Topo (kg/t gusa)
Variáveis:
Produção (t gusa/dia)
Taxa de Injeção de Carvão Vegetal (kg/t gusa)
Tipo de Minério de Ferro (%)
Pelota (%)
A quantidade total de carvão vegetal que chega à usina é denominada “Consumo de

Carvão Vegetal Total”. Após a etapa de peneiramento, se divide em “Consumo de Carvão
Vegetal de Topo” (granulado de 10 a 125mm), “Consumo de Carvão Vegetal Injetado” ou
“Taxa de Injeção de Carvão Vegetal” (finos menor que 10mm) e “Perdas do Processo”
(pó de desempoeiramento, tiço, moinha vendida e outros). A soma de “Consumo de
Carvão Vegetal de Topo” e “Taxa de Injeção de Carvão Vegetal” é denominada
“Consumo de Carvão Vegetal Enfornado”. A Figura 4.6 ilustra esse balanço de massa.
42
Figura 4.6: Balanço de massas do carvão vegetal utilizado na rotina da Vallourec Tubos
do Brasil.
Os dados foram agrupados em cenários de acordo com a composição da carga ferrosa,

ou seja, em grupos de dias com consumos em porcentagens similares de carga ferrosa
(% de cada tipo de minério e % de pelotas).
No período estudado (2003 a 2011), os dados foram agrupados em 88 cenários para o

Alto-Forno 1 (AF1). Para o Alto-Forno 2 (AF2), que apresenta uma diversidade maior, os
dados foram agrupados em 147 cenários. Exemplos de cenários do AF1 e do AF2 estão
ilustrados nas Tabelas IV.3 e IV.4 a seguir.
43
Tabela IV.3: Exemplos de 20 cenários do AF1 (no total são 88 cenários) considerando %
de diferentes tipos de minérios (T1, T2...T4) e % de pelota.
Cenário Minério T1 (%) Minério T2 (%) Minério T3 (%) Minério T4 (%) Pelota (%)
1 0 45 0 0 55
2 45 0 0 0 55
3 0 50 0 0 50
4 25 25 0 0 50
5 38 13 0 0 50
6 23 23 0 0 55
7 20 20 0 0 60
8 30 30 0 0 40
9 28 28 0 0 45
10 24 24 0 0 53
11 15 15 0 0 70
12 18 18 0 0 65
13 16 16 8 0 60
14 20 0 20 0 60
15 20 10 10 0 60
16 12 12 6 0 70
17 15 8 8 0 70
18 8 8 15 0 70
19 14 7 14 0 65
20 11 11 14 0 65
% de diferentes tipos de minérios (T1, T2...T7) e % de pelota.
Minério Minério Minério Minério Minério Minério Minério Pelota

Cenário
T1 (%) T2 (%) T3 (%) T4 (%) T5 (%) T6 (%) T7 (%) (%)
1 65 35 0 0 0 0 0 65
2 66 0 0 0 0 34 0 66
3 55 0 0 0 0 45 0 55
4 41 30 0 0 0 30 0 41
5 40 60 0 0 0 0 0 40
6 0 0 100 0 0 0 0 0
7 0 0 95 0 0 0 0 0
8 49 51 0 0 0 0 0 49
9 13 75 0 0 0 0 0 13
10 0 0 70 0 0 0 0 0
11 0 0 85 0 0 0 0 0
12 0 0 75 0 0 0 0 0
13 0 0 65 0 0 0 0 0
14 0 0 60 0 0 0 0 0
15 0 0 80 0 0 0 0 0
16 0 0 90 0 0 0 0 0
17 0 0 54 0 27 0 0 0
18 0 0 47 0 23 0 0 0
19 0 0 60 0 30 0 0 0
20 0 0 67 0 33 0 0 0
44
Normalmente os cenários vão se modificando ao longo dos meses e dos anos. Por
exemplo: para o AF2, os cenários de 1 a 10 correspondem ao ano 2003. Os cenários 11
a 16 pertencem ao ano 2004, e assim por diante. Os últimos cenários, em termos de
numeração, pertencem ao último ano.
Para cada cenário foram obtidas as médias e os desvios-padrão das variáveis: consumo
de carvão vegetal de topo, produção e taxa de injeção, separados (por um método
qualitativo) por períodos de chuva (meses de janeiro, fevereiro, março, novembro e
dezembro) e de seca (meses de abril, maio, junho, julho, agosto, setembro e outubro).
Isso porque a operação dos altos-fornos muda muito com a utilização de carvão vegetal
com maior teor de umidade. A geração de finos aumenta com a saída de água dentro dos
altos-fornos e a degradação do carvão vegetal, tornando os altos-fornos menos
permeáveis. Além disso, a utilização de carvão vegetal úmido reduz a temperatura do gás
de topo, prejudica a produtividade e aumenta o consumo de carvão vegetal.
Também foram acrescentadas as variáveis de qualidade a cada um dos cenários, que

são os resultados médios de características de qualidade do carvão vegetal: carbono fixo
(%), cinzas (%), umidade (%), finos menores que 10mm (%) e tamanho médio (mm); e da
carga ferrosa total: ferro (%), alumina (%) e sílica (%).
4.3.2. Modelos de superfície de resposta (MSR)
O método estatístico utilizado para modelar e analisar os dados foi o método de

Modelagem de Superfície de Resposta (MSR), escolhido por ser útil em aplicações onde
a resposta de interesse, no caso o consumo de carvão vegetal de topo (kg/t gusa), é
influenciada por muitas variáveis e o objetivo é “otimizar” essa resposta.
Os modelos foram divididos em duas etapas: “Etapa 1”, com dados de 2003 a 2010, e
“Etapa 2”, com dados de 2003 a 2011.
Para cada alto-forno foram construídos modelos de superfície de resposta utilizando o

software estatístico MINITAB 16 (MINITAB, 2010), considerando os efeitos principais, os
quadráticos e as interações das variáveis listadas na Tabela IV.2, para a “Etapa 1”. Para
a “Etapa 2”, também foram adicionados os efeitos das variáveis de qualidade do redutor e
da carga ferrosa. Para isso, foi considerado um nível de significância de 10% para os
45
testes de hipóteses dos parâmetros dos modelos para definir se era significativo ou não e
se deveria permanecer ou ser retirado do modelo.
Definido o melhor modelo para cada alto-forno, com maior coeficiente de determinação
R2 ajustado, o qual é utilizado como medida de ajuste de modelos, o próximo passou foi o
de elaborar gráficos de curvas de níveis. Essas curvas consideram a variação de duas
variáveis nos eixos x e y, baseando-se em valores reais já utilizados nos altos-fornos, e
como resposta, a variável “Consumo de Carvão Vegetal de Topo” (kg/t gusa),
visualmente diferenciada por cores nas curvas de nível e quantificada em intervalos de
valores. As demais variáveis dos modelos foram fixadas.
4.3.3. Modelos de regressão linear
Com o objetivo de facilitar a utilização das informações obtidas com os gráficos das
curvas de níveis para os planejamentos macro mensais e anuais de produção de ferro-
gusa e consumo de carga ferrosa e carvão vegetal dos altos-fornos, foram elaborados
modelos de regressão com base nos pontos médios de cada um desses gráficos.
Primeiro, foram elaborados modelos para prever o “Percentual de Pelotas” em função da
“Produção Diária (t) de Ferro-Gusa”. Depois, foram elaborados modelos para prever o
“Consumo de Carvão Vegetal de Topo” (kg/t gusa) em função do “Percentual de Pelotas”
utilizado na carga ferrosa total.
46
5. RESULTADOS E DISCUSSÃO
5.1. Análise descritiva dos dados
Para análise descritiva dos dados de 2003 a 2011 dos altos-fornos da Vallourec Tubos do
Brasil, foram utilizados gráficos de intervalo de 95% de confiança para a média,
construídos no software estatístico MINITAB 16 (MINITAB, 2010), sob a suposição de
normalidade dos dados (cerca de 3.000 dados no total). Os dados também estão
apresentados em formato de tabelas, separados por período de chuva e seca, e contém
as principais informações de estatísticas descritivas: média, desvio-padrão (d.p.) e
tamanho de amostra (n).
A Tabela V.1 e os gráficos da Figura 5.1 mostram a “Produção Média Diária de Ferro-
Gusa (t)” durante o período estudado. Em 2009 observa-se uma queda na produção em
função principalmente à situação de crise econômica nesse período. Em 2010 e 2011, as
produções continuaram menores, reflexo ainda da situação econômica e dos planos de
produção da empresa voltados para menor produção, porém com produtos mais
elaborados, para atender ao mercado. As diferenças entre os períodos de chuva e seca
podem estar ligadas a diversos fatores, como: demandas de produção, diferentes cargas
ferrosas, interferência da qualidade das matérias-primas na produtividade dos altos-
fornos, dentre outros.
47
Tabela V.1: Estatísticas descritivas da produção diária de ferro-gusa (t) dos altos-fornos
da Vallourec Tubos do Brasil.
Alto-Forno Ano Período Média d.p. n

Chuva 1.119 125 54
2003
Seca 1.064 121 168
Chuva 1.121 113 129
2004
Seca 1.176 129 163
Chuva 1.127 112 109
2005
Seca 1.144 140 181
Chuva 1.174 112 114
2006
Seca 1.163 113 190
Chuva 1.131 124 106
AF1 2007
Seca 1.217 122 203
Chuva 1.137 135 140
2008
Seca 1.225 137 188
Chuva 813 104 125
2009
Seca 799 104 131
Chuva 958 145 136
2010
Seca 1.119 113 205
Chuva 976 97 142
2011
Seca 987 108 198
Chuva 548 59 54
2003
Seca 519 61 182
Chuva 572 66 145
2004
Seca 568 59 206
Chuva 571 65 140
2005
Seca 554 69 187
Chuva 600 83 119
2006
Seca 563 71 204
Chuva 581 91 138
AF2 2007
Seca 589 57 211
Chuva 541 83 149
2008
Seca 543 60 153
Chuva 327 50 118
2009
Seca 376 89 194
Chuva 404 101 122
2010
Seca 457 67 202
Chuva 435 75 139
2011
Seca 455 51 199
48
Gráfico de Intervalo da Produção (t) - AF1

95% IC para a média
1300
1200
Produção (t)
1100
1000
900
800
Período
u v a eca a a
uv sec
a a
uv sec
a a
uv sec
a a
uv sec
a a
uv sec
a a
uv sec
a a
uv sec
a a
u v sec
s
ch ch ch ch ch ch ch ch ch
Ano 03 04 05 06 07 0 8 09 10 11
20 20 20 20 20 20 20 20 20
Gráfico de Intervalo da Produção (t) - AF2

650
600
550
Produção (t)
500
450
400
350
300
Período a ca a ca a ca
uv uv uv v a ec a v a ec a uv
a ca uv
a ca uv
a ca v a ec a
se se se u s u s se se se u s
Ano 03 04 05 06 07 08 09 10 11
20 20 20 20 20 20 20 20 20
Figura 5.1: Evolução da produção diária de ferro-gusa (t) dos altos-fornos da Vallourec
Tubos do Brasil.
49
A Tabela V.2 e os gráficos da Figura 5.2 mostram a evolução do “Consumo de Carvão

Vegetal de Topo (kg/t gusa)” ao longo dos anos. Já a Tabela V.3 e os gráficos da Figura
5.3, mostram a evolução da “Taxa de Injeção de Finos de Carvão Vegetal (kg/t gusa)”.
Desde 2007, os valores de consumo de carvão vegetal de topo têm sido menores, o que
é consequência do aumento da taxa de injeção de finos de carvão vegetal a partir deste
período. A operação dos altos-fornos da Vallourec Tubos do Brasil com maiores taxas de
injeção a partir de 2007 ocorreu principalmente devido às mudanças de comportamento e
operacionais com a adequação de padrões associados a três investimentos: i) nova
instalação de moagem (Moagem III); ii) início de operação da Unidade de Peneiramento
de Carvão Vegetal (UPC) em Paraopeba; e iii) projeto de dupla lança de injeção no Alto-
Forno 1.
Observam-se também nos dois altos-fornos que, durante o período de seca, o consumo
de carvão vegetal de topo é menor e a taxa de injeção é maior. O teor de umidade das
matérias-primas, do carvão vegetal em especial, é um dos fatores que justifica essa
diferença.
50
Tabela IV.2: Estatísticas descritivas do consumo de CV de topo (kg/t gusa) dos altos-
fornos da Vallourec Tubos do Brasil.

Chuva 546 52 53
2003
Seca 514 47 164
Chuva 552 46 127
2004
Seca 531 43 162
Chuva 554 42 108
2005
Seca 507 43 181
Chuva 508 58 114
2006
Seca 505 50 190
Chuva 494 43 105
AF1 2007
Seca 450 39 202
Chuva 469 42 140
2008
Seca 433 34 185
Chuva 492 43 123
2009
Seca 479 37 127
Chuva 487 49 132
2010
Seca 435 35 205
Chuva 485 48 137
2011
Seca 455 41 197
Chuva 595 58 54
2003
Seca 614 81 182
Chuva 601 51 145
2004
Seca 585 46 206
Chuva 628 47 140
2005
Seca 585 57 187
Chuva 589 56 119
2006
Seca 534 53 204
Chuva 545 54 138
AF2 2007
Seca 485 40 211
Chuva 522 45 149
2008
Seca 489 40 153
Chuva 538 64 118
2009
Seca 517 52 194
Chuva 521 59 122
2010
Seca 516 41 202
Chuva 565 55 139
2011
Seca 522 45 199
51
Gráfico de Intervalo do Consumo CV Topo (kg/t gusa) - AF1

580
560
Consumo CV Topo (kg/t)
540
520
500
480
460
440
420
Período a a a a a a a a a a a a a a a a a a
u v sec uv sec uv sec uv sec uv sec uv sec uv sec uv sec u v sec
Ano 03 04 05 06 07 08 09 10 11
20 20 20 20 20 20 20 20 20
Gráfico de Intervalo do Consumo CV Topo (kg/t gusa) - AF2

655
630
605
580
555
530
505
480
a ca uv
a ca uv
a ca v a ec a
Ano 03 04 05 06 07 08 09 10 11
20 20 20 20 20 20 20 20 20
Figura 5.2: Evolução do consumo de CV de topo (kg/t gusa) dos altos-fornos da

Vallourec Tubos do Brasil.
52
Tabela V.3: Estatísticas descritivas da taxa de injeção de CV (kg/t gusa) dos altos-fornos

Chuva 128 19 54
2003
Seca 140 18 164
Chuva 128 15 128
2004
Seca 137 16 162
Chuva 134 21 109
2005
Seca 148 18 181
Chuva 150 22 114
2006
Seca 154 19 190
Chuva 163 20 106
AF1 2007
Seca 174 19 202
Chuva 183 16 140
2008
Seca 179 15 185
Chuva 188 16 123
2009
Seca 183 18 127
Chuva 190 16 132
2010
Seca 186 16 205
Chuva 181 25 137
2011
Seca 184 18 196
Chuva 107 11 54
2003
Seca 102 13 182
Chuva 98 12 145
2004
Seca 99 12 206
Chuva 93 14 140
2005
Seca 106 15 187
Chuva 108 24 119
2006
Seca 126 24 204
Chuva 135 19 138
AF2 2007
Seca 148 17 211
Chuva 142 12 149
2008
Seca 130 24 153
Chuva 156 20 118
2009
Seca 167 16 194
Chuva 153 21 122
2010
Seca 173 17 202
Chuva 154 27 139
2011
Seca 157 17 199
53
Gráfico de Intervalo da Taxa de Injeção CV (kg/t gusa) - AF1

200
190
180
Injeção (kg/t)
170
160
150
140
130
120
Período
u v a eca a a
uv sec
a a
uv sec
a a
uv sec
a a
uv sec
a a
uv sec
a a
uv sec
a a
uv sec
a a
u v sec
s
Ano 03 04 05 06 07 0 8 09 10 11
20 20 20 20 20 20 20 20 20
Gráfico de Intervalo da Taxa de Injeção CV (kg/t gusa) - AF2

180
170
160
150
Injeção (kg/t)
140
130
120
110
100
90
a ca uv
a ca uv
a ca v a ec a
Ano 03 04 05 06 07 08 09 10 11
20 20 20 20 20 20 20 20 20
Figura 5.3: Evolução da taxa de injeção de CV (kg/t gusa) dos altos-fornos da Vallourec
Tubos do Brasil.
54
Os resultados de análise imediata (carbono fixo, materiais voláteis, cinzas e umidade) e

granulométrica do carvão vegetal consumido nos altos-fornos variaram bastante desde
2003, conforme pode ser visto na Tabela V.4 e nas Figuras 5.4 a 5.8. O teor de carbono
fixo apresentou uma queda de 2003 a 2006, voltou a subir em 2007, e, nos últimos dois
anos, apresentou os maiores valores do período. Os teores de cinzas e umidade subiram
de 2003 a 2005, e, a partir de 2006, demonstraram uma tendência de queda.
O início da operação do peneiramento do carvão vegetal na UPC no final de 2006

permitiu uma maior retirada dos finos e, consequentemente, reduziu o teor de cinzas e
aumentou o teor de carbono fixo. Um maior controle das características de qualidade, em
especial da umidade, recusando o recebimento de carretas com carvão vegetal muito
úmido ou com muitos finos, por exemplo, fez com que houvesse também uma redução no
teor da umidade. Além disso, adequações na tecnologia de fabricação do carvão vegetal
pela Florestal a partir de 2008, como a alteração da temperatura de carbonização e do
método de resfriamento de carvão vegetal, fez com que a qualidade do carvão vegetal se
alterasse. Uma das alterações foi a elevação da temperatura de carbonização, a qual
tende a aumentar o teor de carbono fixo. Isso é interessante do ponto de vista energético
para os altos-fornos, entretanto, reduz o rendimento do processo de carbonização.
As justificativas citadas no parágrafo anterior também servem para explicar a variação da

análise granulométrica do carvão vegetal consumido nos altos-fornos no período
estudado, além das variações dos tipos de fazendas e das diferentes porcentagens de
carvão vegetal de estoque utilizado. As evoluções do tamanho médio e da porcentagem
de finos podem ser vistas na Tabela V.4 e nas Figuras 5.7 e 5.8. Os anos de 2004, 2005
e 2011 foram os que apresentaram menores valores de tamanho médio.
Observa-se também que as características de qualidade do carvão vegetal estudadas,

tendem a apresentar piores resultados durante o período chuvoso.
55

consumido nos altos-fornos da Vallourec Tubos do Brasil.
Teor (%) Ano Período Média d.p. n

Chuva 74,9 0,2 61
2003
Seca 75,7 1,0 184
Chuva 74,6 0,7 152
2004
Seca 75,0 0,4 214
Chuva 73,2 1,2 151
2005
Seca 74,3 1,1 214
Chuva 72,9 1,4 146
2006
Seca 72,6 1,8 213
Carbono Chuva 74,0 1,0 146
Fixo do 2007
CV Seca 75,0 1,1 210
Chuva 73,8 1,0 148
2008
Seca 74,0 1,1 204
Chuva 74,5 1,5 148
2009
Seca 73,5 1,4 142
Chuva 75,9 1,2 147
2010
Seca 76,5 1,1 213
Chuva 75,8 0,9 150
2011
Seca 75,7 0,9 211
Chuva 2,3 0,1 61
2003
Seca 2,1 0,1 184
Chuva 2,5 0,1 152
2004
Seca 2,4 0,2 214
Chuva 3,1 0,2 151
2005
Seca 2,4 0,3 214
Chuva 2,5 0,7 146
2006
Seca 2,7 0,6 213
Cinzas do Chuva 1,9 0,6 146
2007
CV Seca 1,7 0,4 210
Chuva 1,5 0,4 148
2008
Seca 1,6 0,5 204
Chuva 1,3 0,4 148
2009
Seca 1,3 0,4 142
Chuva 1,3 0,4 147
2010
Seca 1,3 0,3 213
Chuva 1,1 0,3 150
2011
Seca 1,3 0,4 211
56

consumido nos altos-fornos da Vallourec Tubos do Brasil (continuação).

Chuva 5,7 0,3 61
2003
Seca 4,8 0,5 184
Chuva 6,3 0,8 152
2004
Seca 5,4 0,8 214
Chuva 6,5 0,4 151
2005
Seca 5,4 0,6 214
Chuva 6,0 1,0 145
2006
Seca 5,0 1,1 211
Umidade Chuva 5,4 1,3 146
2007
do CV Seca 3,9 0,4 210
Chuva 5,5 0,6 148
2008
Seca 4,6 0,7 201
Chuva 5,2 0,6 149
2009
Seca 4,5 0,6 140
Chuva 4,9 0,6 148
2010
Seca 4,4 0,6 213
Chuva 4,8 0,7 150
2011
Seca 3,8 0,5 210
Chuva 33,8 0,4 61
2003
Seca 37,2 1,2 184
Chuva 31,8 1,7 152
2004
Seca 34,5 1,9 214
Chuva 33,7 0,5 151
2005
Seca 34,3 0,7 214
Chuva 37,2 3,3 146
2006
Seca 38,2 2,7 213
Tamanho Chuva 37,3 2,9 146
Médio do 2007
CV Seca 39,7 2,2 210
Chuva 41,1 2,1 148
2008
Seca 39,7 2,5 204
Chuva 39,6 1,4 148
2009
Seca 39,0 1,8 141
Chuva 38,3 1,9 144
2010
Seca 39,4 1,5 212
Chuva 35,6 2,1 149
2011
Seca 34,7 1,3 210
57

consumido nos altos-fornos da Vallourec Tubos do Brasil (continuação).

Chuva 5,2 0,0 61
2003
Seca 5,4 0,7 184
Chuva 1,3 0,0 152
2004
Seca 1,3 0,0 214
Chuva 1,7 0,1 151
2005
Seca 1,8 0,0 214
Chuva 2,1 1,0 146
2006
Seca 4,2 2,5 213
Chuva 2,3 0,7 146
Finos do CV 2007
Seca 2,5 0,8 210
Chuva 2,4 0,5 148
2008
Seca 2,6 0,6 204
Chuva 2,0 0,6 148
2009
Seca 2,1 0,6 141
Chuva 2,2 0,6 144
2010
Seca 2,2 0,4 212
Chuva 3,1 0,4 149
2011
Seca 2,7 0,5 210
58
Gráfico de Intervalo do Carbono Fixo (%) - CV

77
76
Carbono Fixo (%)
75
74
73
72
a ca uv
a ca uv
a ca v a ec a
Ano 03 04 05 06 07 08 09 10 11
20 20 20 20 20 20 20 20 20
Figura 5.4: Evolução do teor de carbono fixo do carvão vegetal consumido nos altos-
Gráfico de Intervalo das Cinzas (%) - CV

3,0
2,5
Cinzas (%)
2,0
1,5
1,0
a ca uv
a ca uv
a ca v a ec a
Ano 03 04 05 06 07 08 09 10 11
20 20 20 20 20 20 20 20 20
Figura 5.5: Evolução do teor de cinzas do carvão vegetal consumido nos altos-fornos da
59
Gráfico de Intervalo da Umidade (%) - CV

7,0
6,5
6,0
Umidade(%)
5,5
5,0
4,5
4,0
a ca uv
a ca uv
a ca v a ec a
Ano 03 04 05 06 07 08 09 10 11
20 20 20 20 20 20 20 20 20
Figura 5.6: Evolução da umidade do carvão vegetal consumido nos altos-fornos da

Gráfico de Intervalo do Tamanho Médio (mm) - CV

42
40
Tamanho Médio (mm)
38
36
34
32
a ca uv
a ca uv
a ca v a ec a
Ano 03 04 05 06 07 08 09 10 11
20 20 20 20 20 20 20 20 20
Figura 5.7: Evolução do tamanho médio do carvão vegetal consumido nos altos-fornos
60
Gráfico de Intervalo dos Finos <10mm - CV

6
4
Finos (%)
1
a ca uv
a ca uv
a ca v a ec a
Ano 03 04 05 06 07 08 09 10 11
20 20 20 20 20 20 20 20 20
Figura 5.8: Evolução do percentual de finos do carvão vegetal consumido nos altos-
A Figura 5.9 mostra a diversidade de tipos de carga ferrosa utilizadas no Alto-Forno 1 e

no Alto-Forno 2 da Vallourec Tubos do Brasil, respectivamente.
O Alto-Forno 1 utilizou pelota e quatro tipos diferentes de minério de ferro durante o

período estudado, enquanto o Alto-Forno 2 utilizou pelota e sete diferentes tipos de
minérios. As variações ocorreram em função de preços, ofertas de mercado (reservas
mineralógicas) e planos de experiências. Em 2009, ano de crise econômica, e,
consequentemente, menor produção, trabalhou-se com cargas ferrosas mais baratas,
com maior porcentagem de minério de ferro e menor porcentagem de pelotas.
Uma alteração na composição da carga ferrosa também acarretará em alteração na

distribuição da carga e consequentemente na distribuição do fluxo gasoso. Cargas com
maior ou menor porcentagem de pelotas ou de minério terão comportamento diferente
quanto à sua distribuição no interior do alto-forno. A maior eficiência operacional de um
alto-forno e, consequentemente, a obtenção de menores consumos de carvão, estão
diretamente relacionadas com a melhor distribuição do fluxo gasoso.
61
Carga Ferrosa - AF1

100%
90%
80%
70%
% Pelota
60%
% Minério T4
50%
% Minério T3
40% % Minério T2
30% % Minério T1
20%
10%
0%
2003 2004 2005 2006 2007 2008 2009 2010 2011
Carga Ferrosa - AF2

100%
90%
80% % Pelota
70% % Minério T7
60% % Minério T6
50% % Minério T5
40% % Minério T4
% Minério T3
30%
% Minério T2
20%
% Minério T1
10%
0%
2003 2004 2005 2006 2007 2008 2009 2010 2011
Figura 5.9: Diversidade da carga ferrosa utilizada pelos altos-fornos da Vallourec Tubos
do Brasil.
62
A Figura 5.10 mostra a qualidade química do mix da carga ferrosa dos altos-fornos, em
termos de teores de ferro (%), alumina (%) e sílica (%). A qualidade do mix nos últimos
três anos tem variado muito. Nos últimos dois anos, a carga ferrosa apresentou menor
teor de ferro e maior teor de sílica. Isso em função da nova frente de lavra do minério de
ferro que apresenta maior quantidade de itabirito e menor quantidade de hematita na
composição.
Em 2009, os altos-fornos operaram com baixo percentual de pelotas (média anual de

20% para o Alto-Forno 1, e 5% para o Alto-Forno 2), chegando a operar até mesmo com
100% de minério de ferro em alguns meses. Durante esse período, o minério de ferro
utilizado apresentava alto teor de alumina e baixo teor de sílica.
Na operação de altos-fornos, é esperado uma relação sílica/alumina de no mínimo 1.

Com uma relação sílica/alumina muito baixa, em torno de 0,4, por exemplo, os altos-
fornos passam a ser operados com grande risco, com temperatura de fusão da escória
alta em torno de 1550ºC, estreitando a região de ponto de fusão da escória. Como é
desejado que a escória primária amoleça rápido iniciando a 1050ºC e fique líquida, uma
temperatura de fusão da escória em 1550ºC representa um problema para a formação
desse tipo de escória, para a permeabilidade da zona de amolecimento e fusão, e
dificulta a saída da escória e do ferro-gusa. Para contornar o problema, é necessário
aumentar o consumo de fundentes e, consequentemente, o volume de escória dos altos-
fornos, aumentando também o custo de fabricação do ferro-gusa. E bem mais ainda,
aumentar o consumo de carvão vegetal enfornado com a calcinação extra dos
carbonatos.
63
Composição da Carga Ferrosa - AF1

67,0 6,0
66,5
5,0
66,0
65,5
4,0
Al2O3 (%)
65,0
SiO2 (%)
Fe (%)
64,5 3,0
64,0
2,0
63,5
63,0
1,0
62,5
62,0 0,0
2004
2005
2006
2010
2011
2003
2007
2008
2009
Fe (%) Al2O3 (%) SiO2 (%)
Composição da Carga Ferrosa - AF2

67,0 5,0
66,5 4,5
66,0 4,0
3,5
65,5
Al2O3 (%)
3,0
SiO2 (%)
Fe (%)
65,0
2,5
64,5
2,0
64,0
1,5
63,5 1,0
63,0 0,5
62,5 0,0
2004
2005
2006
2010
2011
2003
2007
2008
2009
Fe (%) Al2O3 (%) SiO2 (%)
Figura 5.10: Evolução dos teores de ferro, alumina e sílica da carga ferrosa dos altos-
64
5.2. Redução da variabilidade inerente às amostragens
Após avaliar a situação atual de amostragem de carvão vegetal e minério de ferro, foram
identificados os pontos mais problemáticos, alguns com ações imediatas, outros com
ações a serem desenvolvidas dentro do projeto, e foram levantadas as principais
necessidades dos altos-fornos (cliente).
No caso do carvão vegetal, os experimentos mostraram que o melhor intervalo de tempo

para a coleta dos incrementos da amostra era a cada 2 minutos. Intervalos de tempo
maiores tendem a não atingir o volume definido para a amostra de 200L, caso seja
amostrada uma carreta de menor tamanho. Intervalos menores de tempo geram uma
quantidade muito grande de amostra de material dificultando o seu manuseio, transporte
e preparação.
Com base nas normas técnicas estudadas, na literatura e nas boas práticas de empresas
benchmark, foi elaborado um novo procedimento de preparação das amostras de carvão
vegetal, resumido na Figura 5.11:
Amostra Bruta 400L
Análise Granulométrica
Britagem
Homogeneização
Divisor
Jones
1º Quarteamento (80mm)
Contra-prova Quarteamentos
Descarte Moagem Até que sejam

obtidas duas frações
de aproximadamente
500g cada.
Descarte (500g) Amostra (500g)
Análise de Umidade Análise Imediata

(250g)
(250g)
Figura 5.11: Novo procedimento de preparação de amostras de carvão vegetal.

65
Para avaliar os impactos das alterações realizadas nos métodos de coleta e preparação
das amostras de carvão vegetal, foram repetidos os experimentos de balanço de massa e
de planejamento hierárquico. Os resultados amostrais apresentaram maior coerência
quando comparados com os resultados dos experimentos de balanço de massa. Para os
experimentos de planejamentos hierárquicos, a Tabela V.5 resume as informações de
variabilidade (variância) inerente à amostragem para cada um dos parâmetros avaliado
com os métodos anterior e proposto obtidos com o método ANOVA Hierárquica.
Tabela V.5: Comparação da variabilidade da amostragem de carvão vegetal antes e

depois da revisão dos procedimentos.
Variabilidade (variância) inerente à amostragem de carvão

vegetal (coleta + preparação + análise)
Variável
Método anterior Método proposto Redução (%)
Umidade (%) 1,89 0,20 89
Carbono Fixo (%) 4,90 3,41 30
Cinzas (%) 9,77 0,25 97
Materiais Voláteis (%) 2,90 1,72 41
Tamanho Médio (mm) 1,75 1,06 39
Finos <10mm (%) 2,07 0,53 74
Para o minério de ferro, amostras coletadas sobre pilhas apresentaram maior

variabilidade devido à segregação de material, enquanto que amostras coletadas em
pontos de queda mostraram ser mais representativas por permitir coletar amostra de todo
o fluxo estando em conformidade com a literatura e com as melhores práticas de
amostragem.
Após revisar os procedimentos operacionais com base nas normas técnicas e nas
melhores práticas de amostragem de minério de ferro, e tomar ações de melhoria no
fluxo de recebimento e beneficiamento, um segundo experimento similar ao primeiro foi
realizado. A Tabela V.6 resume as informações do antes (amostra coletada em pilha) e
depois da revisão dos procedimentos no melhor ponto escolhido para avaliar a qualidade
66
do minério de ferro recebido (calhas vibratórias após os silos de recebimento) obtidas

com o método ANOVA Hierárquica.
Tabela V.6: Comparação da variabilidade (variância) da amostragem de minério de ferro

antes e depois da revisão dos procedimentos.
Variabilidade (variância) inerente à amostragem de minério de

ferro (coleta + preparação + análise)
Variável
Método anterior Método proposto
Redução (%)
(pilhas) (calhas)
Ferro (%) 0,884 0,531 40
Sílica (%) 0,200 0,070 65
Alumina (%) 0,604 0,187 69
Manganês (%) 0,110 0,070 36
Fósforo (%) 0,001 0,000 78
Considerando todos os pontos de coleta de minério de ferro utilizados no estudo, foi

calculado um indicador de variabilidade global que consiste da soma das variâncias dos
elementos químicos de todos os pontos. Para o primeiro experimento, o valor desse
indicador foi 9,8. No segundo experimento, após as modificações realizadas com o
projeto, o valor do indicador caiu para 1,7 (uma redução de mais de 80%).
5.3. Modelos da “Etapa 1” - dados de 2003 a 2010
Na “Etapa 1” foram considerados os resultados médios e os desvios-padrão das

variáveis: consumo de carvão vegetal de topo (kg/t gusa), produção (t), taxa de injeção
(kg/t gusa) e período (chuva ou seca) de 2003 a 2010. A variável “período” é uma variável
binária: chuva = 1 e seca = 0.
Os melhores modelos de superfície de resposta ajustados na “Etapa 1”, considerando

somente efeitos significativos (efeitos principais, quadráticos e interações) a um nível de
significância de 10%, apresentaram coeficientes de determinação R2 ajustado de 89,4%
para o Alto-Forno 1 e de 83,3% para o Alto-Forno 2. Os modelos, em unidades
67
codificadas (nível mais alto de cada variável = 1; nível médio = 0; nível mais baixo = -1),
estão mostrados a seguir:
Modelo Etapa 1 – AF1:
The analysis was done using coded units.
Estimated Regression Coefficients for Consumo cv média (kg/t)
Term Coef SE Coef T P

Constant 528,036 47,888 14,576 0,000
Pelota -105,549 22,568 -4,677 0,000
Período_ 16,226 14,137 1,148 0,260
Injeção média (Kg/t) -18,678 74,680 -0,250 0,804
Injeção d.p. (Kg/t) -23,211 12,475 -1,861 0,072
Produção média (t) 49,118 21,251 2,311 0,027
Produção d.p. (t) -85,770 15,930 -5,384 0,000
Consumo cv d.p. (kg/t) 179,988 42,175 4,268 0,000
Produção média (t)* -103,689 24,407 -4,248 0,000
Produção média (t)
Produção d.p. (t)*Produção d.p. (t) -29,212 19,039 -1,534 0,135
Consumo cv d.p. (kg/t)* -82,441 15,707 -5,249 0,000
Consumo cv d.p. (kg/t)
Pelota*Período_ 22,344 7,150 3,125 0,004
Pelota*Produção d.p. (t) 138,070 27,209 5,074 0,000
Pelota*Consumo cv d.p. (kg/t) -251,280 44,291 -5,673 0,000
Período_*Injeção média (Kg/t) 9,790 9,310 1,052 0,301
Período_*Produção d.p. (t) -34,035 10,391 -3,275 0,003
Período_* 38,233 12,240 3,124 0,004
Injeção média (Kg/t)* 63,379 24,722 2,564 0,015
Injeção d.p. (Kg/t)
Injeção média (Kg/t)* -57,137 29,370 -1,945 0,061
Injeção média (Kg/t)* 61,146 18,502 3,305 0,002
Produção d.p. (t)
Injeção média (Kg/t)* -86,828 38,515 -2,254 0,031
Injeção d.p. (Kg/t)* -101,131 28,877 -3,502 0,001
Injeção d.p. (Kg/t)* 71,235 23,630 3,015 0,005
Produção d.p. (t)
Injeção d.p. (Kg/t)* 70,257 43,721 1,607 0,118
Produção média (t)* 192,565 43,301 4,447 0,000
Produção d.p. (t)* 98,337 33,948 2,897 0,007
S = 16,8508 PRESS = 83552,7

R-Sq = 95,08% R-Sq(pred) = 54,75% R-Sq(adj) = 89,39%
68
Modelo Etapa 1 – AF2
The analysis was done using coded units.
Estimated Regression Coefficients for Consumo cv média (kg/t)

Constant 1046,76 93,721 2,625 0,012
Período -525,40 121,664 -4,318 0,000
Pelota (%) -7,63 3,172 -2,406 0,020
Injeção média (kg/t) 0,27 2,869 0,093 0,926
Injeção dp (kg/t) -7,10 2,380 -2,983 0,004
Produção média (t) 0,24 1,300 0,181 0,857
Produção dp (t) 7,77 2,456 3,164 0,003
Consumo CV dp (kg/t) -9,05 2,406 -3,761 0,000
Pelota (%)*Pelota (%) -0,06 0,020 -3,120 0,003
Injeção média (kg/t)* -0,01 0,009 -1,246 0,219
Injeção média (kg/t)
Injeção dp (kg/t)*Injeção dp (kg/t) 0,19 0,060 3,151 0,003
Produção média (t)* -0,00 0,001 -1,641 0,107
Produção dp (t)*Produção dp (t) -0,01 0,004 -1,481 0,145
Período*Injeção média (kg/t) 0,82 0,440 1,862 0,069
Período*Injeção dp (kg/t) 1,87 1,477 1,268 0,211
Período*Produção média (t) 0,67 0,140 4,763 0,000
Período*Consumo CV dp (kg/t) 1,05 0,379 2,777 0,008
Pelota (%)*Injeção dp (kg/t) 0,20 0,039 5,138 0,000
Pelota (%)*Produção média (t) 0,02 0,006 3,110 0,003
Pelota (%)*Produção dp (t) -0,03 0,013 -2,146 0,037
Pelota (%)* -0,03 0,014 -1,883 0,066
Consumo CV dp (kg/t)
Injeção média (kg/t)* 0,00 0,003 1,191 0,239
Injeção média (kg/t)*Produção dp (t) -0,02 0,009 -2,377 0,021
Injeção média (kg/t)* 0,03 0,010 2,604 0,012
Injeção dp (kg/t)*Produção dp (t) -0,08 0,027 -2,868 0,006
Produção média (t)*Produção dp (t) -0,00 0,003 -1,406 0,166
Produção média (t)* 0,01 0,003 3,984 0,000
S = 21,0270 PRESS = 99993,9

69
As Figuras 5.12 e 5.13 apresentam os gráficos dos resíduos padronizados dos modelos.
Resíduo é a diferença entre o valor ajustado pelo modelo e o valor real do banco de
dados. Resíduo padronizado é o valor do resíduo dividido pelo desvio-padrão de todos os
resíduos. Para verificar se os resíduos seguem uma distribuição Normal, utilizam-se os
gráficos “Probabilidade Normal” e “Histograma”, sendo que no primeiro gráfico o perfil
esperado é o de uma reta, e, no segundo, o de um sino. Para verificar a aleatoriedade
dos resíduos em torno do valor zero, utiliza-se o gráfico “Resíduos X Valores Ajustados”.
Para verificar se a variabilidade dos resíduos é constante, utiliza-se o gráfico “Resíduos X
Ordem”. Esses dois últimos gráficos precisam apresentar pontos aleatórios, sem nenhum
padrão definido.
Os perfis dos gráficos apresentados nas Figuras 5.12 e 5.13 atendem aos requisitos de
normalidade, média em torno de zero e variância constante, validando os pré-requisitos
da metodologia.
70
Gráficos de Resíduos para Consumo CV (kg/t) - AF1

Gráfico de Probabilidade Normal Resíduos X Valores Ajustados
99,9 4
Resíduos Padronizados
99
90 2
Percentual
50 0
10
-2
1
0,1 -4
-4 -2 0 2 4 600 660 720 780 840
Resíduos Padronizados Valores A justados
Histograma Resíduos X Ordem
20 4
15 2
Frequência
10 0
5 -2
0 -4
-3 -2 -1 0 1 2 3 1 1 0 20 30 4 0 5 0 60 70 8 0 9 0 00 10 2 0 3 0 4 0 50
1 1 1 1 1 1
Ordem da Observação
Figura 5.12: Gráficos de resíduos padronizados do MSR do Alto-Forno 1 – “Etapa 1”.
Gráficos de Resíduos para Consumo CV (kg/t) - AF2

99,9
99
2
90
Percentual
0
50
10 -2
1
0,1 -4
-4 -2 0 2 4 600 650 700 750 800

20
2
Frequência
15
0
10
-2
5
0 -4
-3 -2 -1 0 1 2 3 1 20 40 60 80 100 120 140 160 180 200
Resíduos Padronizados Ordem da Observação
Figura 5.13: Gráficos de resíduos padronizados do MSR do Alto-Forno 2 – “Etapa 1”.

71
Gráficos de curvas de níveis foram elaborados considerando no eixo x “Pelota (%)

utilizada na Carga Ferrosa” e no eixo y “Taxa de Injeção de Carvão Vegetal (kg/t gusa)”,
considerando valores reais já utilizados nos altos-fornos. A resposta, “Consumo de
Carvão Vegetal de Topo (kg/t gusa)”, está visualmente diferenciada por cores nas curvas
de nível. Os dados de Pelota, Taxa de Injeção e de Consumo de Carvão Vegetal de Topo
estão baseados nos dados divulgados nos “Encontros de Especialistas em Altos-Fornos
a Carvão Vegetal” de números 55 a 73.
Essas curvas permitem ter uma estimativa imediata do custo e são usadas
estrategicamente em frente às ofertas e oportunidades no mercado de pelota e minério
de ferro com retorno financeiro imediato a fim de se alcançar melhores resultados
econômicos.
As Figuras 5.14 a 5.17 exemplificam curvas de níveis do Alto-Forno 1, meses de chuva e

seca respectivamente, considerando a produção diária de ferro-gusa variando de 700 a
1200t (de 100 em 100t) e mantendo fixas as demais variáveis do modelo.
Para o Alto-Forno 2, exemplos das curvas de níveis podem ser visualizadas nas Figuras
5.18 e 5.19, chuva e seca respectivamente, considerando a produção diária de ferro-gusa
variando de 400 a 600t (de 100 em 100t) e mantendo fixas as demais variáveis do
modelo.
Para construir gráficos de curvas de níveis como os mostrados nas Figuras 5.14 a 5.19,
os eixos x e y precisam contemplar faixas de valores reais de operação e as demais
variáveis do modelo de superfície de resposta precisam ser fixadas. Como exemplo de
interpretação das curvas de níveis, para produzir 800t/dia (valor fixo) de ferro-gusa no
Alto-Forno 1 em período de chuva, pode-se usar de 22 a 53,5% de pelota, com taxa de
injeção de carvão vegetal variando de 159,4 a 178,7kg/t gusa. Para esses valores, o
gráfico mostra que à medida que se aumentam a porcentagem de pelotas e a taxa de
injeção de carvão vegetal, menor será o consumo de carvão vegetal de topo. Nesse
exemplo, o consumo de carvão vegetal de topo está variando de 486 a 504kg/t gusa.
Como a pelota possui maior estabilidade de análise química, melhores resultados de

crepitação, RDI e redutibilidade, uma maior quantidade de pelota na carga ferrosa
melhora a permeabilidade dos gases dentro dos altos-fornos. Essas características,
associadas com uma boa distribuição e granulometria da carga, melhoram o contato gás-
sólido na zona de preparação e permitem reduzir a temperatura de gusa e o consumo de
carvão vegetal.
72
O aumento da taxa de injeção de finos, até o limite que proporcione uma boa taxa de
substituição e não reduza a permeabilidade, também beneficiam a redução do consumo
de carvão vegetal de topo. Principalmente em conjunto com um sistema de injeção que
permite uma melhor distribuição do carvão pulverizado por lança e garante um melhor
fluxo de gases e calor no interior do forno.
73
AF1 - Consumo CV Topo X Taxa de Injeção - Produção = 700t (CHUVA)
187,0
Consumo
cv bruto
184,2
média
(kg/t)
181,5
Taxa de Injeção (kg/t)

< 474670
474
670 – 476675
178,7 476
675 – 478680
478
680 – 480685
175,9 480
685 – 482690
482
690 – 484695
173,2 484
695 – 486700
700 – 488
486 705
170,4 > 488705
167,6
164,9
162,1
22,0 27,3 32,5 37,8 43,0
Pelota (%)

178,7
Consumo
cv bruto
175,9 média
Consumo(kg/t)
CV Topo (kg/t)
< 486
700
173,2 486
700 – 488
705
488
705 – 490
710
490
710 – 492
715
170,4 492
715 – 494
720
494
720 – 496
725
496
725 – 498
730
167,6 498
730 – 500
735
500
735 – 502
740
502
740 – 504
745
164,9 > 504
745
162,1
159,4
22,0 27,3 32,5 37,8 43,0 48,3 53,5
Pelota (%)
174,2
169,9 Consumo cv
bruto média
(kg/t)
165,6
< 490710,0
710,0
490 – 494 720,0
161,4 720,0
494 – 498 730,0
730,0
498 – 502 740,0
157,1 740,0
502 – 506 750,0
750,0
506 – 510 760,0
760,0
510 – 515 770,0
152,8 770,0
515 – 519 780,0
780,0
519 – 523 790,0
148,5 790,0
523 – 527 800,0
> 527800,0
144,3
140,0
32,5 37,8 43,0 48,3 53,5 58,7 64,0
Pelota (%)
700 a 900t de ferro-gusa – “Etapa 1”.
74
166,9
163,5 Consumo
cv bruto
média
160,1

(kg/t)
< 494
720
156,8 720
494 – 498
730
730
498 – 502
740
153,4 740
502 – 506
750
750
506 – 510
760
760
510 – 515
770
150,1
515
770 – 519
780
519
780 – 523
790
146,7 523
790 – 527
800
527
800 – 531
810
143,4 810
531 – 535
820
> 535
820
140,0
32,5 37,8 43,0 48,3 53,5 58,7 64,0
Pelota (%)
164,9
Consumo cv
162,1 bruto média
(kg/t)
< 486700,0
159,4
486 – 490
700,0 710,0
490 – 494
710,0 720,0
156,6 494 – 498
720,0 730,0
498 – 502
730,0 740,0
153,8 740,0 506
502 – 750,0
750,0
506 – 510760,0
151,1 510 – 515
760,0 770,0
770,0
515 – 519 780,0
148,3 780,0
519 – 523 790,0
790,0
523 – 527800,0
145,5 > 527800,0
142,8
43,0 48,3 53,5 58,7 64,0
Pelota (%)
162,1
159,4 Consumo
cv bruto
média
156,6
Consumo(kg/t)
CV Topo (kg/t)
< 478
680
153,8 680 – 482
478 690
690 – 486
482 700
700 – 490
486 710
151,1
710 – 494
490 720
720 – 498
494 730
148,3 730
498 – 502
740
740 – 506
502 750
145,5 750 – 510
506 760
760 – 515
510 770
770
515 – 780
519
142,8 > 519
780
140,0
48,3 53,5 58,7 64,0
Pelota (%)
1.000 a 1.200t de ferro-gusa – “Etapa 1”.
75
AF1 - Consumo CV Topo X Taxa de Injeção - Produção = 700t (SECA)

178,7
175,9
Consumo cv
173,2 bruto média

Consumo (kg/t)
CV Topo (kg/t)
< 474
670,0
170,4 670,0
474 – 478 680,0
680,0
478 – 482 690,0
482 – 486
690,0 700,0
167,6
486 – 490
700,0 710,0
490 – 494
710,0 720,0
164,9 494 – 498
720,0 730,0
498
730,0 – 502740,0
162,1 > 502
740,0
159,4
156,6
1,0 11,5 22,0 32,5
Pelota (%)
175,9
Consumo cv
bruto média
170,4 Consumo CV(kg/t)
Topo (kg/t)
< 470
660,0
470 – 474
660,0 670,0
164,9 670,0 478
474 – 680,0
680,0 482
478 – 690,0
482 – 486
690,0 700,0
159,4 486 – 490
700,0 710,0
490 – 494
710,0 720,0
720,0 498
494 – 730,0
730,0
498 – 502
740,0
153,8
502 – 506
740,0 750,0
506 – 510
750,0 760,0
> 510
760,0
148,3
22,0 27,3 32,5 37,8 43,0 48,3 53,5

Pelota (%)
159,4
Consumo cv
bruto média
156,6 Consumo CV Topo (kg/t)
(kg/t)
< 470660,0
660,0 – 474
470 670,0
153,8 670,0 – 478
474 680,0
680,0 – 482
478 690,0
486
690,0 – 700,0
482
700,0 – 490
486 710,0
151,1
710,0 – 494
490 720,0
720,0 – 498
494 730,0
730,0 – 502
498 740,0
148,3 740,0 – 506
502 750,0
750,0 – 510
506 760,0
> 510760,0
145,5
32,5 37,8 43,0 48,3 53,5 58,7 64,0

Pelota (%)
76
173,2
Consumo
167,6 cv bruto

média
Consumo(kg/t)
CV Topo (kg/t)
< 461
640
162,1 640 – 468
655
461
655
468 – 474
670
670
474 – 480
685
156,6 685
480 – 486
700
700
486 – 492
715
715
492 498
– 730
151,1 730
498 – 504
745
745
504 – 510
760
760
510 – 517
775
> 517
775
145,5
37,8 43,0 48,3 53,5

Pelota (%)
167,6
Consumo cv
bruto média
Consumo (kg/t)
CV Topo (kg/t)
162,1 < 461640,0
461 – 465
640,0 650,0
465 – 470
650,0 660,0
470 – 474
660,0 670,0
474 – 478
670,0 680,0
156,6
478 – 482
680,0 690,0
482 – 486
690,0 700,0
486 – 490
700,0 710,0
710,0
490 – 494 720,0
151,1 720,0
494 – 498 730,0
730,0
498 – 502 740,0
> 502740,0
145,5
43,0 48,3 53,5 58,7 64,0
Pelota (%)
170,4
164,9 Consumo cv
bruto média
Consumo(kg/t)
CV Topo (kg/t)
< 445
600,0
159,4 600,0
445 – 453620,0
620,0
453 – 461640,0
640,0
461 – 470660,0
660,0
470 – 478680,0
153,8 680,0
478 – 486700,0
486 – 494
700,0 720,0
494
> 720,0
148,3
142,8
48,3 53,5 58,7 64,0
Pelota (%)
77
AF2 - Consumo CV Topo X Taxa de Injeção - Produção: 400t (CHUVA)
157,6
151,2
144,8

Consumo CV
Bruto média
(kg/t)
< 514690,0
131,9 690,0
514 – 521 700,0
700,0
521 – 528 710,0
710,0
528 – 535 720,0
125,5 720,0
535 – 542 730,0
542 – 549
730,0 740,0
119,1 549 556
740,0 – 750,0
556 – 563
750,0 760,0
> 563760,0
112,7
106,3
7,0 16,8 26,6 36,4
Pelota (%)
138,3
131,9
125,5 Consumo
CV Bruto
média
119,1 Consumo(kg/t)
CV Topo (kg/t)
< 556
750
556
750 – 559
755
112,7 559
755 – 563
760
563
760 – 566
765
566
765 – 570
770
106,3
770 – 573
570 775
775 >
573 – 577
780
577
> 780
99,8
93,4
21,7 26,6 31,5 36,4
Pelota (%)

125,5
119,1
Consumo CV
112,7 Bruto média
(kg/t)
< 549740,0
740,0
549 – 556 750,0
106,3 750,0
556 – 563 760,0
760,0
563 – 570 770,0
770,0
570 – 577 780,0
99,8 780,0
577 – 584 790,0
> 584790,0
93,4
87,0
36,4 41,3 46,2 51,1 56,0
Pelota (%)
78
AF2 - Consumo CV Topo X Taxa de Injeção - Produção: 400t (SECA)
160,8
154,4 Consumo CV

Bruto média
(kg/t)
< 521700,0
148,0 700,0 – 535
521 720,0
535 – 549
720,0 740,0
549 – 563
740,0 760,0
141,5 563 – 577
760,0 780,0
577 – 591
780,0 800,0
800,0 605
591 – 820,0
135,1 > 605820,0
128,7
7,0 11,9 16,8 21,7 26,6

Pelota (%)
164,0
157,6
Consumo
151,2 CV Bruto
média
(kg/t)
144,8 < 503
675
675 – 514
503 690
690
514 – 705
524
138,3
705 – 535
524 720
720 – 545
535 735
131,9 735 – 556
545 750
750 – 566
556 765
765
566 – 780
577
125,5
780 – 587
577 795
> 587
795
119,1
112,7
16,8 21,7 26,6 31,5 36,4 41,3 46,2
Pelota (%)
154,4
148,0 Consumo CV
Bruto média
Consumo (kg/t)
CV Topo (kg/t)
141,5 < 514
690,0
514 – 521
690,0 700,0
521 – 528
700,0 710,0
135,1 528 – 535
710,0 720,0
535 542
720,0 – 730,0
542 – 549
730,0 740,0
128,7 > 549
740,0
122,3
115,9
36,4 38,4 40,3 42,3 44,2 46,2

Pelota (%)
79
Os modelos de regressão construídos com os pontos médios das diversas curvas de

níveis, com o objetivo de facilitar a utilização das informações obtidas, estão ilustrados
nas Figuras 5.20 a 5.23.
Após definir o plano de produção diária de ferro-gusa dos altos-fornos, calcula-se qual o
percentual de pelotas a ser utilizado no Alto-Forno 1 utilizando o modelo da Figura 5.20, e
do Alto-Forno 2 utilizando o modelo da Figura 5.21.
Devido a pelota ser um produto produzido industrialmente através da aglomeração de

finos de minério, ela possui propriedades físicas, químicas e metalúrgicas (RDI,
redutibilidade, amolecimento e fusão) bem mais homogêneas que o minério de ferro, o
qual é um recurso natural direto. O percentual de pelotas utilizado na carga ferrosa
apresenta uma correlação positiva com a produção de ferro-gusa. Isto é, de um modo em
geral, quanto maior a porcentagem de pelotas, maior será produção de ferro-gusa.
Alto-Forno 1: Produção x Pelota (Etapa 1)

1200
1100
1000
Produção (t)
900
y = 14,05x + 243,47
R² = 0,95
800
700
600
30 35 40 45 50 55 60 65
Pelota (%)

função da produção diária (t) de ferro-gusa do Alto-Forno 1 – “Etapa 1”.
80

700
650
600
550
Produção (t)
500
450
y = 8,57x + 189,37
400 R² = 0,91
350
300
250
200
0 5 10 15 20 25 30 35 40 45 50 55 60
Pelota (%)

função da produção diária (t) de ferro-gusa do Alto-Forno 2 – “Etapa 1”.
Definidos os percentuais de pelota na carga ferrosa dos altos-fornos, o próximo passo é

estimar os consumos de carvão vegetal de topo (kg/t gusa) levando em consideração se
o período é de chuva ou de seca. No período de chuva, os consumos de carvão vegetal
são maiores devido aos maiores teores de umidade das matérias-primas. As Figuras 5.22
e 5.23 mostram os modelos para o Alto-Forno 1 e Alto-Forno 2, respectivamente.
Lembrando que o consumo de carvão vegetal é maior no período chuvoso porque a

operação dos altos-fornos muda muito com a utilização de carvão vegetal com maior teor
de umidade. A geração de finos aumenta com a saída de água dentro dos altos-fornos,
tornando-os menos permeáveis e prejudicando a produtividade.
81
Alto-Forno 1: Pelota x Consumo de CV Topo (Etapa 1)

575
Consumo de CV Topo (Kg/t)
550
Chuva
525 y = -1,81x + 601,92
R² = 0,77
500
475
Seca
450 y = -3,32x + 636,87
R² = 0,96
425
400
30 35 40 45 50 55 60 65
Pelota (%)
1 em função do percentual de pelotas na carga ferrosa – “Etapa 1”.
Alto-Forno 2: Pelotas x Consumo de CV Topo (Etapa 1)

650
625
Chuva
600
y = -1,80x + 639,55
R² = 0,92
575
550
Seca
525 y = -2,04x + 612,09
R² = 0,90
500
475
450
5 10 15 20 25 30 35 40 45 50 55 60
Pelotas (%)
82
5.4. Modelos da “Etapa 2” - dados de 2003 a 2011
Na “Etapa 2” do trabalho, foram considerados os resultados médios e os desvios-padrão

das variáveis: consumo de carvão vegetal de topo, produção e taxa de injeção,
separados pelo período de chuva e de seca, de 2003 a 2011, além das variáveis
relacionadas às qualidades do carvão vegetal e da carga ferrosa. Os dados estão
baseados nos dados divulgados nos “Encontros de Especialistas em Altos-Fornos a
Carvão Vegetal” de números 55 a 73.
O primeiro passo foi correlacionar todas as variáveis duas a duas. Foram selecionadas as
variáveis que apresentaram maior impacto no consumo de carvão vegetal e descartadas
as variáveis com baixo ou nenhum impacto. Também foram excluídas as variáveis que
apresentavam alto índice de correlação com alguma variável dentre as já selecionadas
para o modelo a fim de evitar o problema de multicolinearidade (problema comum em
regressões onde as variáveis independentes possuem relações lineares exatas ou
aproximadamente exatas).
Diferente da “Etapa 1”, na qual havia uma variável binária “período” para identificar se era
período de chuva ou seca, na “Etapa 2” foram ajustados modelos separados para os
períodos de chuva e para os períodos de seca. Isso porque, ao trabalhar com um número
maior de variáveis, havia uma limitação computacional - o MINITAB 16 (MINITAB, 2010)
apresenta um limite para o número de variáveis em modelos de superfície de resposta - e
optou-se por eliminar a variável “período”.
Os melhores modelos de superfície de resposta ajustados na “Etapa 2”, considerando

somente efeitos significativos a um nível de significância de 10%, apresentaram
coeficientes de determinação R2 de 88,3% e 87,1% para o Alto-Forno 1, chuva e seca,
respectivamente, e de 76,2% e 70,1% para o Alto-Forno 2, chuva e seca,
respectivamente. Os modelos estão mostrados a seguir considerando as variáveis em
unidades codificadas.
83
Modelo Etapa 2 - Chuva – AF1
The analysis was done using uncoded units.

Estimated Regression Coefficients for Consumo CV (Kg/t) Média

Constant 1063,6 396,7 2,680 0,013
Pelota (%) 246,4 36,7 6,706 0,000
Injeção (kg/t) Média 23,6 28,7 0,823 0,418
Produção (t) Média -47,3 5,7 -8,306 0,000
Carbono Fixo (%) Média -406,7 318,0 -1,279 0,212
TM (mm) Média 70,9 201,0 0,353 0,727
Fe (%) Média -352,0 68,6 -5,132 0,000
Injeção (kg/t) Média* 0,1 0,0 5,381 0,000
Injeção (kg/t) Média
Carbono Fixo (%) Média* 2,0 1,8 1,081 0,290
Carbono Fixo (%) Média
TM (mm) Média*TM (mm) Média -2,8 1,0 -2,875 0,008
Pelota (%)*Injeção (kg/t) Média 0,1 0,0 2,554 0,017
Pelota (%)*Carbono Fixo (%) Média -2,5 0,4 -5,700 0,000
Pelota (%)*TM (mm) Média -0,3 0,2 -1,389 0,177
Pelota (%)*Fe (%) Média -1,0 0,1 -6,495 0,000
Injeção (kg/t) Média* -1,3 0,3 -4,580 0,000
Injeção (kg/t) Média*TM (mm) Média -0,7 0,2 -2,998 0,006
Injeção (kg/t) Média*Fe (%) Média 0,9 0,3 3,322 0,003
Produção (t) Média* 0,4 0,1 6,316 0,000
Produção (t) Média*TM (mm) Média 0,1 0,0 3,693 0,001
Produção (t) Média*Fe (%) Média 0,2 0,0 8,463 0,000
Carbono Fixo (%) Média*TM (mm) Média 2,5 2,4 1,074 0,293
S = 16,3716 PRESS = 32409,5

Modelo Etapa 2 - Seca – AF1

Estimated Regression Coefficients for CV Consumo CV (Kg/t) Média

Constant 1110,7 166,32 6,657 0,000
Pelota (%) 68,1 34,36 1,981 0,057
Injeção (kg/t) Média -103,3 19,36 -5,336 0,000
Produção (t) Média -17,2 3,40 -5,075 0,000
Carbono Fixo (%) Média 1,7 6,20 0,267 0,791
Finos (%) Média 12,5 4,79 2,615 0,014
Fe (%) Média -527,2 85,58 -6,161 0,000
Al2O3 (%) Média 58,2 21,57 2,697 0,011
Pelota (%)*Pelota (%) 0,3 0,04 6,153 0,000
Injeção (kg/t) Média* 0,1 0,01 5,850 0,000
Injeção (kg/t) Média
Produção (t) Média* 0,0 0,00 2,317 0,027
Produção (t) Média
Pelota (%)*Carbono Fixo (%) Média -0,6 0,45 -1,440 0,160
Pelota (%)*Finos (%) Média -2,2 0,30 -7,397 0,000
Pelota (%)*Al2O3 (%) Média -15,5 2,07 -7,497 0,000
Injeção (kg/t) Média*Fe (%) Média 1,3 0,28 4,609 0,000
Produção (t) Média*Fe (%) Média 0,3 0,05 5,003 0,000
S = 15,0082 PRESS = 25373,3

84
Modelo Etapa 2 – Chuva – AF2

Estimated Regression Coefficients for Consumo CV (Kg/t) Média

Constant 418,04 283,41 1,475 0,145
Pelota (%) -23,28 8,62 -2,702 0,009
Produção (t) Média -0,24 0,08 -2,979 0,004
Carbono Fixo (%) 0,74 3,61 0,206 0,838
Cinzas (%) Média 31,90 8,97 3,555 0,001
Umidade CV (%) Média 252,13 77,72 3,244 0,002
TM CV (mm) Média -18,72 6,97 -2,687 0,009
Umidade CV (%) Média* -22,02 6,99 -3,150 0,003
Umidade CV (%) Média
Pelota (%)*TM CV (mm) Média 0,65 0,23 2,797 0,007
S = 32,2309 PRESS = 114857

Modelo Etapa 2 – Seca – AF2

Estimated Regression Coefficients for Consumo CV (kg/t) Média

Constant -6852 1503,8 -4,556 0,000
Pelota (%) -215 40,9 -5,246 0,000
Produção (t) Média -15 4,4 -3,377 0,001
Carbono Fixo (%) Média 1469 462,4 3,177 0,002
Umidade CV (%) Média 3605 984,5 3,662 0,001
TM CV (mm) Média 1501 327,5 4,584 0,000
Fe (%) 1196 387,2 3,088 0,003
Carbono Fixo(%)Média*Carbono Fixo(%)Média -7 2,7 -2,586 0,012
Fe(%)*Fe(%) -5 2,7 -1,884 0,064
Pelota (%)*Produção (t) Média -0 0,0 -2,373 0,021
Pelota (%)*Carbono Fixo (%) Média 2 0,4 4,264 0,000
Pelota (%)*Umidade CV (%) Média -1 0,4 -2,878 0,005
Pelota (%)*Fe (%) 2 0,3 4,741 0,000
Produção (t) Média* 1 0,1 5,940 0,000
Produção(t) Média*TM CV(mm) média 0 0,0 3,604 0,001
Produção (t) Média*Fe 0 0,1 2,034 0,046
Carbono Fixo (%) Média* -29 8,3 -3,482 0,001
Carbono Fixo (%) Média*TM CV(mm) Média -8 2,6 -3,281 0,002
Umidade CV(%) Média*Fe (%) -26 7,8 -3,313 0,002
TM CV(mm) Média*Fe (%) -14 3,0 -4,690 0,000
S = 29,4189 PRESS = 114205

85
As Figuras 5.24 a 5.27 apresentam os gráficos dos resíduos padronizados dos modelos
mostrando que os mesmos atenderam aos requisitos de normalidade, média em torno de
zero e variância constante.
O resíduo padronizado é a diferença entre o valor ajustado pelo modelo e o valor real do
banco de dados, dividido pelo valor do desvio-padrão dos resíduos puros. Para verificar
se os resíduos seguem uma distribuição Normal, utilizam-se os gráficos de
“Probabilidade Normal” e o “Histograma”, sendo que no primeiro gráfico o perfil esperado
é o de uma reta, e, no segundo, o de um sino. Para verificar a aleatoriedade dos resíduos
em torno do valor zero utiliza-se o gráfico “Resíduos X Valores Ajustados”, e, para
verificar se a variabilidade dos resíduos é constante, o gráfico “Resíduos X Ordem”.
Esses dois últimos gráficos precisam apresentar pontos aleatórios, sem nenhum padrão
definido.
Gráficos de Resíduos para Consumo CV (kg/t) - Chuva - AF1

99 3
90 2
Percentual
1
50
0
10
-1
1
-2 -1 0 1 2 600 650 700 750 800

16 3
12 2
Frequência
1
8
0
4
-1
0
-1 0 1 2 1 10 20 30 40 50 60 70 80

chuva.
86
Gráfico de Resíduos para Consumo CV (Kg/t) - Seca - AF1

99 3,0
90 1,5
Percentual
50 0,0
10 -1,5
1 -3,0
-3,0 -1,5 0,0 1,5 3,0 600 640 680 720 760

3,0
16
12 1,5
Frequência
8 0,0
4 -1,5
0 -3,0
-2 -1 0 1 2 1 10 20 30 40 50 60 70 80

seca.
Gráficos de Resíduos para Consumo CV (kg/t) - Chuva - AF2

99,9 4
99
90 2
Percentual
50 0
10
-2
1
0,1 -4
-4 -2 0 2 4 600 700 800 900

30 4
2
Frequência
20
0
10
-2
0 -4
-3,2 -1,6 0,0 1,6 3,2 1 10 2 0 30 4 0 50 6 0 70 8 0 90 0 0 10 2 0 30 4 0
1 1 1 1 1

chuva.
87
Gráficos de Resíduos para Consumo CV (kg/t) - Seca - AF2

99,9 4
99
90 2
Percentual
50
0
10
1 -2
0,1
-4 -2 0 2 4 600 660 720 780 840
4
20
Frequência
15 2
10 0
5
-2
0
-2 -1 0 1 2 3 1 10 2 0 30 4 0 50 6 0 70 8 0 90 0 0 10 2 0 30 4 0
1 1 1 1 1

seca.
Gráficos de curvas de níveis foram elaborados para o Alto-Forno 1 considerando no eixo

x “Pelota (%) utilizada na Carga Ferrosa” e no eixo y “Ferro (%) na Carga Ferrosa”. Os
gráficos de curvas de níveis elaboradas para o Alto-Forno 2 consideram no eixo x “Pelota
(%) utilizada na Carga Ferrosa” e no eixo y “Carbono Fixo do Carvão Vegetal (%)”. A
resposta, “Consumo de Carvão Vegetal de Topo (kg/t gusa)”, está visualmente
diferenciada por cores nas curvas de nível. As faixas de valores consideradas nos
gráficos são baseadas em valores reais já utilizados nos altos-fornos. Os dados estão
baseados nos dados divulgados nos “Encontros de Especialistas em Altos-Fornos a
Carvão Vegetal” de números 55 a 73.
As Figuras 5.28 a 5.30 exemplificam curvas de níveis do Alto-Forno 1, meses de chuva e

seca respectivamente, considerando que a produção diária de ferro-gusa pode variar de
700 a 1200t (de 100 em 100t) e mantendo fixos os parâmetros que foram significativos
para os modelos:
88
Chuva:
Taxa de injeção = valor de 160 a 180kg/t gusa (varia conforme a produção)
Carbono fixo do carvão vegetal = 75,7% (resultado médio de 2011)
Tamanho médio do carvão vegetal = 34,8mm (resultado médio de 2011)
Seca:
Taxa de injeção = valor de 185 a 195kg/t gusa (varia conforme a produção)
Carbono fixo do carvão vegetal = 75,7% (resultado médio de 2011)
Finos de carvão vegetal = 2,6 % (resultado médio de 2011)
Alumina da carga ferrosa = 1,2% (resultado médio de 2011).
Também nas Figuras 5.28 a 5.30, é possível perceber que a combinação ótima para um
menor consumo de carvão vegetal de topo é a de maior porcentagem de pelota, que,
consequentemente, também tem um maior teor de ferro.
Observe que o gráfico de produção de 800t de ferro-gusa no Alto-Forno 1 durante o

período de chuva difere dos demais. Isso porque, nessa condição, o Alto-Forno 1 só
operou com uma porcentagem de pelota (56%), por isso as curvas estão constantes.
89
AF1 - Consumo CV Topo (kg/t) X Fe (%) - Produção = 700t (CHUVA)
64,8
CV Usina
(Kg/t)Média
64,2 < 476
660
476
660 – 485
690
690 – 495
485 720
720 – 504
495 750
Fe (%) 63,6 750 – 513
504 780
513
780 – 523
810
523
810 – 532
840
532
840 – 541
870
63,0 > 541
870
Valores Fixados:
Injeção (kg/t) Média 180
62,4 Produção (t) Média 700
Carbono Fixo (%) Média 75,7
TM (mm) Média 34,8
28 34 40 46 52 58
Pelota (%)
65,2
CV Usina
(Kg/t)Média
64,8 < 473
650,0
473 – 479
650,0 670,0
479 – 485
670,0 690,0
485 – 492
690,0 710,0
64,4
Fe (%)
492 – 498
710,0 730,0
498 504
730,0 – 750,0
750,0
504 – 510770,0
64,0 > 510
770,0
63,6
Valores Fixados:
TM (mm) Média 34,8
56
Pelota (%)

65,0
CV Usina
(Kg/t)Média
< 467
630
64,5 630 – 473
467 650
650 – 479
473 670
670 – 485
479 690
64,0 690 – 492
485 710
710
492 – 730
498
730 – 504
498 750
Fe (%)
750 – 510
504 770
63,5
> 510
770
63,0
Valores Fixados:
62,5 Injeção (kg/t) Média 180
Produção (t) Média 900
62,0 TM (mm) Média 34,8
28 34 40 46 52 58 64
Pelota (%)
90

66,0
CV Usina
Consumo
(Kg/t)Média
CV Topo (kg/t)
65,6 < 453
620,0
620,0 – 461
453 640,0
640,0
461 – 660,0
470
65,2 660,0 – 478
470 680,0
680,0 – 486
478 700,0
700,0 – 494
486 720,0
64,8
720,0 – 502
494 740,0
Fe (%) 740,0
502 – 760,0
510
64,4 760,0 – 519
510 780,0
780,0 – 527
519 800,0
800,0 – 535
527 820,0
64,0 > 535
820,0
Valores Fixados:
63,2
TM (mm) Média 34,8
28 34 40 46 52 58 64
Pelota (%)

65,0
CV Usina
(Kg/t)Média
< 464
620
620 – 467
464 630
64,5
467
630 – 470640
470
640 – 473650
473
650 – 476660
476
660 – 479670
64,0
479
670 – 482680
Fe (%)
482
680 – 485690
485
690 – 488700
63,5 488
700 – 492710
> 492
710
Valores Fixados:
TM (mm) Média 34,8
62,5
46 49 52 55 58 61 64
Pelota (%)
AF1 - Consumo CV Topo (kg/t) X Fe (kg/t) - Produção = 1200t (CHUVA)

65,0
CV Usina
(Kg/t)Média
< 429
560
429
560 – 437
580
437
580 – 445
600
64,0 445
600 – 453
620
Fe (%)
453
620 – 461
640
461
640 – 470
660
> 470
660
63,5
Valores Fixados:
63,0 Carbono Fixo (%) Média 75,7
TM (mm) Média 34,8
62,5
43,0 48,3 53,5 58,7 64,0
Pelota (%)
91
AF1 - Consumo CV Topo (kg/t) X Fe (%) - Produção = 700t (SECA)

65,0
CV Usina
(Kg/t)Média
64,5
< 467,0
670
467,0
670 – 473,5
732
473,5
732 – 484,5
794
64,0 794 – 494,5
484,5 856
Fe (%) Média
856 – 502,5
494,5 918
918 – 510,0
502,5 980
63,5 980 – 516,0
510,0 1042
1042 – 521,5
516,0 1104
> 521,5
1104
63,0
Valores Fixados:
Finos (%) Média 2,6
Al2O3 (%) Média 1,2
62,0
0,8 6,1 11,4 16,7 22,0 27,3 32,5
Pelota (%)
AF1 - Consumo CV Topo (kg/t) X Fe (%) - Produção = 800t (SECA)

64,5
CV Usina
(Kg/t)Média
64,0
< 477,0
700,0
700,0 – 481,5
477,0 750,0
481,5
750,0 – 490,0
800,0
Fe (%) Média
490,0
800,0 – 497,5
850,0
63,5
497,5
850,0 – 504,0
900,0
504,0
900,0 – 510,0
950,0
> 510,0
950,0
63,0
Valores Fixados:
62,5 Finos (%) Média 2,6
62,0
0,8 6,1 11,4 16,7 22,0 27,3
Pelota (%)
AF1 - Consumo CV Topo (kg/t) X Fe (kg/t) - Produção = 900t (SECA)

66,5
CV Usina
Consumo(Kg/t)Média
CV Topo (kg/t)
66,0 < 477,0
700,00
477,0
700,00 – 486,0800,00
800,00 – 500,5
486,0 900,00
65,5
900,00 – 512,5
500,5 1000,00
1000,00
512,5 – 1100,00
522,0
65,0 1100,00 – 530,0
522,0 1200,00
1200,00 – 536,5
530,0 1300,00
Fe (%)
1300,00 – 542,0
536,5 1400,00
64,5
> 542,0
1400,00
64,0 Valores Fixados:

63,5 Carbono Fixo (%) Média 75,7
Finos (%) Média 2,6
63,0
62,5
22,0 27,3 32,5 37,8 43,0 48,3 53,5
Pelota (%)
Figura 5.30: Curvas de níveis do Alto-forno 1 (seca) com produção diária variando de
92
Para o Alto-Forno 2, exemplos de curvas de níveis do período de chuva são mostradas

nas Figuras 5.31 e 5.32, considerando que a produção diária de ferro-gusa pode variar de
300 a 600t (de 100 em 100t) e mantendo fixos os parâmetros:
Cinzas do carvão vegetal = 1,3% (resultado médio de 2011)

Umidade do carvão vegetal = 4,1% (resultado médio de 2011)
Tamanho médio do carvão vegetal = 31,7mm (resultado médio de 2011)
AF2 - Consumo CV Topo (kg/t) X Carbono Fixo (%) - Produção = 300t (CHUVA)
77,0
76,5 Consumo
ConsumoCVCVMdTopo (kg/t)
76,0 < 589,7
740
Carbono Fixo (%)
740 – 750
589,7 593,1
750 – 596,5
593,1 760
75,5 760 – 601,6
596,5 770
770 – 605,0
601,6 780
> 605,0
780
75,0
Valores Fixados:
74,5 Produção Md 300
Cinzas (%) média 1,3
74,0 Umidade redutor (%) média 4,1
TM cv (mm) média 31,7
73,5
7,0 11,9 16,8 21,7 26,6

Pelota (%)
77,0
76,5 Consumo
ConsumoCVCV
MdTopo (kg/t)
< 571,0
700
76,0 571,0
700 – 576,1
720
Carbono Fixo (%)
576,1
720 – 586,3
740
586,3
740 – 594,8
760
75,5
> 594,8
760
75,0 Valores Fixados:

Produção Md 350
74,0
73,5
7,0 11,9 16,8 21,7 26,6 31,5 36,4

Pelota (%)
93
77,0
76,5 Consumo
ConsumoCVCV
MdTopo (kg/t)
< 559,1
660
76,0 660 – 550,6
559,1 665
Carbono Fixo (%)

665 – 552,3
550,6 670
75,5 670 – 555,7
552,3 675
675 – 559,1
555,7 680
680 – 560,8
559,1 685
75,0 > 560,8
685
Valores Fixados:
74,5
Produção Md 500
73,5
26,6 31,5 36,4

Pelota (%)
77,0
76,5 Consumo
ConsumoCVCV
MdTopo (kg/t)
< 503,0
590
76,0 590 – 506,4
503,0 600
Carbono Fixo (%)
600 – 513,2
506,4 610
610 – 620
513,2 520,0
75,5
620 – 526,8
520,0 630
> 526,8
630
75,0
Valores Fixados:
Produção Md 600
74,5 Cinzas (%) média 1,3
Umidade redutor (%) média 4,1
74,0
73,5
36,4 41,3 46,2 51,1 56,0

Pelota (%)
As Figuras 5.31 e 5.32 mostraram que quanto maior o percentual de pelotas na carga
ferrosa, menor será o consumo de carvão vegetal no topo. No entanto, o teor de carbono
fixo no carvão vegetal, não mostrou ser um parâmetro muito significativo para o consumo
de carvão vegetal de topo. Outros parâmetros que não foram considerados nesse
trabalho, como resistência mecânica e densidade, poderiam ter mostrado uma melhor
relação.
94
Modelos de regressão foram construídos considerando os pontos médios das curvas de

níveis com o objetivo de facilitar a utilização das informações obtidas. Tais modelos estão
ilustrados nas Figuras 5.33 a 5.36.
Após a definição do plano de produção diária de ferro-gusa dos altos-fornos, calcula-se

qual o percentual de pelotas a ser usado na carga ferrosa do Alto-Forno 1 utilizando o
modelo da Figura 5.33, e do Alto-Forno 2 utilizando o modelo da Figura 5.34. Também,
como mostrado nos modelos da “Etapa 1”, quanto maior a porcentagem de pelotas, maior
é a produção de ferro-gusa.
95

1200
1100
1000
Produção (t)
900
y = 13,55x + 280,83
R² = 0,95
800
700
600
30 35 40 45 50 55 60 65
Pelota (%)

produção diária (t) de ferro-gusa do Alto-Forno 1 – “Etapa 2”.

700
650
600
550
Produção (t)
500
450
y = 8,89x + 186,31
400 R² = 0,94
350
300
250
200
0 5 10 15 20 25 30 35 40 45 50 55 60
Pelota (%)

produção diária (t) de ferro-gusa do Alto-Forno 2 – “Etapa 2”.
Definidos os percentuais de pelota na carga ferrosa dos altos-fornos, o próximo passo é

estimar os consumos de carvão vegetal de topo (kg/t gusa) também considerando se o
período é de chuva ou de seca. As Figuras 5.35 e 5.36 mostram os modelos para o Alto-
Forno 1 e Alto-Forno 2, respectivamente. Assim como na “Etapa 1”, o período chuvoso
apresentou maior consumo de carvão vegetal de topo em função da umidade maior
presente nos materiais.
96
Alto-Forno 1: Pelota x Consumo de CV Topo (Etapa 2)

575
550
Chuva
525
y = -2,68x + 624,69
R² = 0,95
500
475
Seca
450 y = -2,83x + 608,47
R² = 0,97
425
400
30 35 40 45 50 55 60 65
Pelota (%)
Alto-Forno 2: Pelotas x Consumo de CV Topo (Etapa 2)

650
625
Chuva
600
y = -1,84x + 639,31
575 R² = 0,93
550
Seca
525
y = -2,04x + 610,22
R² = 0,87
500
475
450
5 10 15 20 25 30 35 40 45 50 55 60
Pelotas (%)
97
5.4.1. Fatores para corrigir as qualidades do carvão vegetal e da carga ferrosa
Utilizando o modelo termoquímico Optimum (macros no Excel), o qual simula cenários de

produção e operação para altos-fornos a carvão vegetal, desenvolvido pelas empresas
Vallourec Tubos do Brasil e RSConsultants, PEREIRA (2013) simulou diversos cenários
variando uma unidade de cada variável enquanto mantinha as demais constantes (% de
minério, % de pelota, basicidade, temperatura de gusa, temperatura de sopro, silício,
produção, dentre outras variáveis que foram mantidas constantes), e calculou fatores de
correção do consumo de carvão vegetal de topo do mix dos altos-fornos da Vallourec
Tubos do Brasil.
A Figura 5.37 ilustra os fatores para as variáveis de qualidade dos minérios de ferro e da
pelota: umidade (%), ferro (%), alumina (%) e finos menores que 6,35mm (%). A Figura
5.38 ilustra os fatores para as variáveis de qualidade do carvão vegetal: umidade (%),
carbono fixo (%), cinzas (%) e finos menores que 10mm (%).
Como o modelo termoquímico não considera os resultados de granulometria, somente

resultados de análises químicas, os fatores das variáveis de finos de carvão vegetal,
minério de ferro e pelota, foram obtidos através de correlações com resultados da
variável rendimento gasoso do alto-forno.
98
8,0 0,0
7,0 -0,2
Consumo de CV Topo (kg/t)

6,0 -0,4
-0,6
5,0
-0,8
4,0
Minério -1,0 Minério
3,0
Pelota -1,2 Pelota
2,0 -1,4
1,0 -1,6
0,0 -1,8
1 2 3 4 5 1 2 3 4 5
Umidade (%) Fe (%)
70,0 35,0
60,0 30,0

50,0 25,0
40,0 20,0
30,0 Minério 15,0 Minério

Pelota Pelota
20,0 10,0
10,0 5,0
0,0 0,0
0,5 1,0 1,5 2,0 2,5 1,0 2,0 3,0 4,0 5,0
Al2O3 (%) Finos < 6,35 (%)

variação da qualidade da carga ferrosa do mix dos altos-fornos da Vallourec Tubos do
Brasil.
35,0 0,0
30,0
-5,0
25,0
20,0 -10,0
15,0 -15,0
CV CV
10,0
-20,0
5,0
0,0 -25,0
1,0 2,0 3,0 4,0 5,0 1,0 2,0 3,0 4,0 5,0
Umidade (%) Carbono Fixo (%)
18,0 20,0
16,0 18,0
16,0
14,0
14,0
12,0
12,0
10,0
10,0
8,0
CV 8,0 CV
6,0
6,0
4,0 4,0
2,0 2,0
0,0 0,0
0,5 1,0 1,5 2,0 2,5 1,0 2,0 3,0 4,0 5,0
Cinzas (%) Finos <10mm (%)

variação da qualidade do carvão vegetal do mix dos altos-fornos da Vallourec Tubos do
Brasil.
99
Tais fatores são utilizados para corrigir as estimativas de consumo de carvão vegetal de
topo dos modelos elaborados no item 5.4 caso as qualidades reais das cargas ferrosas
ou do carvão vegetal apresentem valores diferentes dos que foram considerados para a
elaboração dos modelos.
5.5. Validação dos modelos
A Figura 5.39 apresenta o gráfico das diferenças médias entre os consumos reais de
carvão vegetal de topo, de janeiro de 2010 a dezembro de 2012 e os valores estimados
pelas curvas elaboradas nas “Etapas 1 e 2” que permitem a validação dos modelos.
Observa-se que tanto os modelos desenvolvidos na “Etapa 1” quanto na “Etapa 2”
apresentaram resultados bem satisfatórios, sendo as diferenças médias de 2,1% e de
0,8%, respectivamente.
Interval Plot of Diferenças entre valores reais x estimados

Bars are One Standard Error from the Mean
3,5%
3,0%
2,5%
2,1%
Diferenças (%)
2,0%
1,5%
1,0%
0,8%
0,5%
0,0%
-0,5%
Etapa 1 Etapa 2
Figura 5.39: Diferenças entre os consumos de carvão vegetal de topo reais x estimativas
dos modelos desenvolvidos nas “Etapas 1 e 2”.
100
5.6. Modelo de Otimização
Para completar o trabalho, foi elaborado no Excel um modelo de otimização que

contempla as curvas elaboradas na “Etapa 2”, a qual apresentou menor diferença de
estimativas de consumos, para calcular a quantidade de pelotas necessária em cada alto-
forno para a produção diária desejada e os respectivos consumo de carvão vegetal de
topo e injetado. Através do “solver”, o programa considera os custos de carvão vegetal,
pelotas e minério de ferro e otimiza a melhor forma de divisão de produção de ferro-gusa
entre os altos-fornos e a melhor composição de carga metálica objetivando o custo
mínimo de produção.
101
6. CONCLUSÕES
De julho de 2010 a dezembro de 2012 os modelos elaborados na “Etapa 1” foram

utilizados para estabelecer metas para consumo de carvão vegetal e carga ferrosa com
boa previsão dos resultados. A “Etapa 1” considera dados de 2003 a 2010 de consumo
de carvão vegetal de topo, produção e taxa de injeção por período de chuva e seca.
A partir de 2013, os novos modelos elaborados na “Etapa 2”, que consideram os mesmos
dados da “Etapa 1” atualizados até 2011 e, além deles, correlacionam a qualidade e
heterogeneidade das matérias-primas, substituíram os modelos da “Etapa 1” para a
definição de metas. Com eles, está sendo possível avaliar o impacto da qualidade das
matérias-primas e do carvão vegetal sobre o consumo de carvão vegetal dos altos-
fornos, além de prever o custo e avaliar o atendimento em relação à margem que a
empresa quer para sua estrutura interna de custo.
Os modelos desenvolvidos apresentam bons níveis de confiança e permitem que a

empresa aja preventivamente para fazer negócio inovador e no planejamento de ações
para reduzir o custo de produção de ferro-gusa, visando melhorar o beneficiamento de
matérias-primas e outras ações para fornecer para altos-fornos matérias-primas a um
custo mínimo, enquanto o esforço em novas tecnologias de fabricação de carvão vegetal
que estão sendo testadas e desenvolvidas para melhorar sua qualidade e
homogeneidade.
102
7. CONTRIBUIÇÕES ORIGINAIS AO CONHECIMENTO
As ferramentas estatísticas utilizadas de Modelos de Superfície de Resposta e

Regressão são de domínio da comunidade técnica e científica, porém, a aplicação
dessas ferramentas com o objetivo de desenvolver um modelo para prever o consumo de
carvão vegetal dos altos-fornos, utilizando dados históricos de produção de ferro-gusa e
consumo de cargas ferrosas, nunca foi realizada antes.
Além disso, o modelo desenvolvido é o primeiro e o único aplicado especificamente em

altos-fornos a carvão vegetal e representa um grande passo na operação dos altos-
fornos, com um diferencial para a Vallourec Tubos do Brasil, que deixou de trabalhar com
carga ferrosa padrão e começou a operar com maior flexibilidade e variabilidade de tipo
de carga usada para alcançar melhores resultados econômicos.
103
8. RELEVÂNCIA DOS RESULTADOS
Esse trabalho é pioneiro no desenvolvimento de modelos para previsão do consumo de

carvão vegetal específicos para o processo de fabricação de ferro-gusa em altos-fornos a
carvão vegetal, processo que praticamente só existe no Brasil e, portanto, teria que ser
desenvolvido internamente.
A abordagem estatística utilizada apresenta bom nível de confiança e permite que a

empresa atue preventivamente para fazer negócio inovador e no planejamento de ações
para reduzir o custo de produção de ferro-gusa, visando melhorar o beneficiamento de
matérias-primas e outras ações para fornecer para altos-fornos matérias-primas a um
custo mínimo.
104
9. SUGESTÕES PARA TRABALHOS FUTUROS
Os modelos desenvolvidos atendem às necessidades atuais de planejamento e definição

de metas de consumo de carvão vegetal. Porém, uma melhoria importante seria avaliar
as qualidades físico-químicas das matérias-primas através de ensaios metalúrgicos e
físicos, como tamboramento, RDI, redutibilidade e densidade, e correlacionar com o
consumo de carvão vegetal e desempenho dos altos-fornos.
105
10. REFERÊNCIAS BIBLIOGRÁFICAS
ASSOCIAÇÃO BRASILEIRA DE NORMAS TÉCNICAS, Rio de Janeiro. NBR-5734;

Peneiras para ensaio com telas de tecido metálico. Rio de Janeiro, 1988. 14p.

Minério de ferro: determinação de umidade. Rio de Janeiro, 1985. 9p.

Preparação de amostras de minério de ferro para análise química, granulométrica e de
umidade. Rio de Janeiro, 1985. 14p.
BHAGAT, R. P.; RAY, H. S. & GUPTA, S. K. Improvement in performance of the blast

furnace at Bhilai through statistical analysis and improvement in burden preparation. ISIJ
International, Tokyo, v. 31, n. 7, p. 669-676, 1991.
BRITISH STANDARD. BS-5660; Methods of sampling iron oresMechanical method of

increment sampling and sample preparation. 2001. 44p.
CASTRO, L. F. A. Desenvolvimento de um modelo de controle de processo para altos-

fornos a carvão vegetal. Belo Horizonte: Escola de Engenharia da UFMG, 2002. 155p.
(Tese, Doutorado em Engenharia Metalúrgica).
CRUZ, J. G., BARROSO, R. C. Fabricação de ferro gusa em altos-fornos a carvão

vegetal. Belo Horizonte: Associação Brasileira de Metalurgia e Materiais, 2007. 108p.
DRUCKENTHANER, H., SCHEIDL, J. SCHÜRZ, B. VAI blast furnace automation – A

powerful solution for highest production economy. In: ANNUAL MEETING, 1997, New
Orleans. Proceedings… IEEE Industry Applications Society, 1997, p.2182-2186.
FLINT, R. V. Multiple correlation of blast furnace variables. In: BLAST FURNACE, COKE
OVEN AND RAW MATERIALS CONFERENCE, 11, 1952. Proceedings…AIME, 1952, p.
49-73 apud TAMBASCO, M. J. (ed.). Redução de minério de ferro em alto-forno. 4.ed.
São Paulo: Associação Brasileira de Metais, 1977.
FRANÇA, A. B., FEITEIRA, J. F. S., CASTRO, J. A. Utilização de redes neurais artificiais

e modelo CFD como estratégia para tomada de decisões no processo do alto-forno. In:
SEMINÁRIO DE REDUÇÃO DE MINÉRIO DE FERRO E MATÉRIAS-PRIMAS, 39, 2009,
Ouro Preto. Anais...São Paulo: ABM, 2009.
106
GAO, C., CHEN, J., ZENG, J., LIU, X., SUN, Y. A chaos-based iterated multistep
predictor for blast furnace ironmaking process. AIChE Journal, v.55, n.4, p947s-962s,
April 2009.
HOTELLING, H. Multivariate Quality Control Illustrated by Air Testing of Sample

Bombsights”. C. Eisenhart et. Al., 1947, p.111-184.
INTERNATIONAL STANDARD, Switzerland. ISO-3082; Iron ores: Sampling and sample

preparation procedures. Switzerland, 2008. 77p.
INTERNATIONAL STANDARD, Switzerland. ISO-3084; Iron ores: Experimental methods

for evaluation of quality variation. Switzerland, 1998. 19p.

for checking the precision of sampling, sample preparation and measurement.
Switzerland, 2002. 21p.

for checking the bias of sampling. Switzerland, 2006. 23p.
LIAN, P., NING, N., AIPING, C., YAOBIN, T. Fault diagnosis of the blast furnace based on
the Bayesian network model. In: INTERNATIONAL CONFERENCE ON ELECTRICAL
AND CONTROL ENGINEERING, 2010. Proceedings… IEEE Computer Society, 2010,
p.990-993.
LIU, X., AN, T. Mathematical modeling of closed-loop intelligent control for b.f iron-making
process. In: INTERNATIONAL CONFERENCE ON INTELLIGENT COMPUTATION
TECHNOLOGY AND AUTOMATION, 14, 2011. Proceedings... IIEE Computer Society,
2011, p.438-441.
MAPA, G. M. O.; CASTRO, L. F. A. & FILHO, O. D. Controle estatístico de processo

aplicado a produção de gusa em usinas não integradas a carvão vegetal. In:
CONGRESSO ANUAL DA ASSOCIAÇÃO BRASILEIRA DE METAIS, 45, 1990, Rio de
Janeiro. Anais... São Paulo: ABM, 1990, p.125-140.
MINGOTI, S. A. Análise de dados através de métodos de estatística multivariada: uma

abordagem aplicada. Belo Horizonte: Editora UFMG, 2005. 295p.
107
MINITAB. 2010. Minitab for Windows [Minitab-Inc, USA] Versão 16. English Ink Copyright
[C]
MONTGOMERY, D. C., RUNGER, G. C., HUBELE, N. F. Estatística Aplicada à

Engenharia. 2ª Edição. Rio de Janeiro: LTC, 2004. 335p.
MONTGOMERY, D. C. Design and analysis of experiments. Second Edition. New York:

John Wiley & Sons, 2001. 527p.
NETER, J., WASSERMAN, W., KUTNER, M. H. Applied Linear Statistical Models. Second
Edition. Irwin Inc: 2008.
OLIVEIRA, L. T.; ALMEIDA, M. R. 1980. Aplicação de Carvão Vegetal. Uso da Madeira

para Fins Energéticos, Série Publicações Técnicas. Belo Horizonte, Fundação Centro
Tecnológico de Minas Gerais – CETEC, volume 1, p. 45-53.
PAN, W., LIU, S., ZENG, J., GAO, C. A refined prediction model of silicon content based
on the Kalman Filter. In: CHINESES CONTROL CONFERENCE, 29, 2010, Beijing.
Proceedings… Beijing: 2010, p.3153-3156.
PEREIRA, B. M. O. Determinação dos parâmetros do carvão vegetal e da carga metálica

para uso em altos-fornos. Dissertação, Mestrado em Engenharia Metalúrgica da UFMG.
No prelo 2013.
QIU, D., ZHANG, D., YOU, W., ZHANG, N., LI, H. An application of prediction model in
blast furnace hot metal silicon content based on neural network. IEEE, p61s-64s, 2009.
SAMPAIO R. S., PINHEIRO P. C. C., REZENDE M. E. A. Exigências metalúrgicas para o

carvão vegetal em mini altos-fornos e fornos elétricos de redução. In: SEMINÁRIO
PRÁTICA, LOGÍSTICA, GERENCIAMENTO E ESTRATÉGIAS PARA O SUCESSO DA
CONVERSÃO DAMATÉRIA LENHOSA EM CARVÃO VEGETAL PARA USO EM
METALURGIAE INDÚSTRIA, 2006, Belo Horizonte.
SHUR, A. B. Dynamics models of blast furnace smelting for trainers and researchers.
metallurgist, Alchevsk, v.52, n.3-4, p141s-147, March 2008.
SOARES, M. I., CARVALHO, D. H. D., BAYER, D. S. Modelagem do nível térmico de um

alto-forno para aumento da eficiência operacional utilizando redes neurais artificiais. In:
SEMINÁRIO DE REDUÇÃO DE MINÉRIO DE FERRO E MATÉRIAS-PRIMAS, 39, 2009,
Ouro Preto. Anais...São Paulo: ABM, 2009.
108
SOUZA, J. B., KANKAMBY, N. H., LOCKWOOD, F. C. Aplicações da mecânica dos

fluidos computacional na indústria siderúrgica. In: SEMINÁRIO DE REDUÇÃO DE
MINÉRIO DE FERRO E MATÉRIAS-PRIMAS, 39, 2009, Ouro Preto. Anais... São Paulo:
ABM, 2009.
STIGLER, S. M. Thomas Bayes’s Bayesian Inference. Journal of the Royal Statistical

Society, v.145, n.2, p.250s-258, 1982.
THOMSEN, E. P. R. Controle do processo de produção do alto-forno por meio de

técnicas estatísticas multivariadas. Belo Horizonte: UFMG, 2005. 180p. (Dissertação,
Mestrado em Estatística).
TSHUMURA, K. Modeling for control of blast furnace. In: INTERNATIONAL

CONFERENTE ON CONTROL APPLICATIONS, 1999, Kohala Coast-Island of Hawai.
Proceedings… IEEE, 1999, p1-6.
VELLOSO, C. M. Otimização da operação do alto-forno 1 da V & M do BRASIL com

“Stave Cooler” através da distribuição de carga no topo do forno. Belo Horizonte: Escola
de Engenharia da UFMG, 2006. 111p. (Dissertação, Mestrado em Engenharia
Metalúrgica).
ZENG, J., LIU, X., GAO, C., LUO, S. Subspace method of identification and control of
blast furnace ironmaking process. In: AMERICAN CONTROL CONFERENCE, 2008,
Washington. Proceedings… AACC, 2008, p.2481-2485.
WELCH, G., BISHOP, G. An Introduction to the Kalman Filter. University of North Carolina
at Chapel Hill, Chapel Hill, NC, TR95-041, 2006.
WINTER, M. MORAIS, E. Gestão de máquinas de colheita florestal V & M do BRASIL. In:

SIMPÓSIO BIANUAL DE FUNDAMENTOS, TECNOLOGIAS E PRÁTICAS DE
CARBONIZAÇÃO. Belo Horizonte, 2008.

Tese Rosiane Faleiro

Uploaded by

Document Information

Copyright

Available Formats

Share this document

Share or Embed Document

Sharing Options

Did you find this document useful?

Is this content inappropriate?

Copyright:

Available Formats

Tese Rosiane Faleiro

Uploaded by

Copyright:

Available Formats

UNIVERSIDADE FEDERAL DE MINAS GERAIS

Curso de Pós-Graduação em Engenharia Metalúrgica, Materiais e de Minas

“Modelamento estatístico do consumo de carvão vegetal

Autora: Rosiane Mary Rezende Faleiro

Rosiane Mary Rezende Faleiro

MODELAMENTO ESTATÍSTICO DO CONSUMO DE

Tese de Doutorado apresentada ao Curso de Pós-Graduação em Engenharia

Área de Concentração: Metalurgia Extrativa

O autor agradece a todos aqueles que, direta ou indiretamente, colaboraram na

A Deus, por iluminar sempre os meus caminhos e estar sempre presente em

Ao Cláudio Musso Velloso, por ter semeado a idéia do doutorado, pelas

Aos Professores Luiz Fernando Andrade de Castro e Ronaldo Santos Sampaio

À Vallourec Tubos do Brasil que me proporcionou esta oportunidade de

A todos os meus amigos e colegas de trabalho pela torcida, ensinamentos,

O processo de fabricação de ferro-gusa em altos-fornos a carvão vegetal, além de

Um grande desafio desse tipo de operação é manter a estabilidade, que se deve

A Vallourec Tubos do Brasil desenvolveu projetos Seis Sigma baseados na

Os modelos desenvolvidos nesse trabalho apresentaram bons níveis de confiança e

Hot metal manufacturing process in charcoal blast furnaces, besides complex,

5.5. Validação dos modelos ......................................................................................... 99

Figura 3.1: Processo de redução de óxidos de ferro no alto-forno (CASTRO, 2002). .. 6

Figura 5.9: Diversidade da carga ferrosa utilizada pelos altos-fornos da Vallourec

Tabela III.1: Características dos altos-fornos da Vallourec Tubos do Brasil. ................ 12

O processo de fabricação de ferro-gusa em altos-fornos a carvão vegetal, além de

Um grande desafio desse tipo de operação é manter a estabilidade, que se deve

A Vallourec Tubos do Brasil desenvolveu projetos Seis Sigma baseados na metodologia

Os modelos desenvolvidos nesse trabalho apresentaram bons níveis de confiança e

A necessidade de se produzir ferro-gusa em altos-fornos com custos cada vez mais

Um grande desafio enfrentado na operação dos altos-fornos é a baixa estabilidade, que

O processo de fabricação de ferro-gusa é um grande desafio em termos de complexidade

Em 2009, quando se deu o início deste trabalho, os estudos baseavam-se em curvas de

os altos-fornos. Como exemplo de aplicação, se em um determinado mês havia uma

O caminho encontrado de constante mudança na operação dos altos-fornos não é o que

Uma vez estabelecidos os modelos iniciais, surgiu a necessidade de transformá-los em

O objetivo principal desse trabalho é elaborar modelos estatísticos capazes de prever o

O alto-forno é um reator metalúrgico empregado na produção de ferro-gusa através da

O oxigênio do ar soprado (O2) entra em contato com o carbono (C) do redutor

C(s) + O2(g) CO2(g) (3.1)

CO2(g) + C(s) 2CO(g) (3.2)

A umidade contida no ar soprado entrará em reação (3.3) com o carbono do redutor

C(g) + H2O(g) CO(g) + H2(g) (3.3)

A partir do topo do forno, os óxidos de ferro sofrem as reduções, conforme mostram as

3 Fe2O3(s) + CO(g) 2 Fe3O4(s) + CO2(g) (3.4)

Fe3O4(s) + CO(g) 3 FeO(s) + CO2(g) (3.5)

FeO(s) + CO(g) Fe(s) + CO2(g) (3.6)

Os produtos obtidos no alto-forno são o ferro-gusa e a escória (da ordem de 150 a

A Figura 3.1 mostra um esquema simplificado do processo de produção de ferro-gusa no

Figura 3.1: Processo de redução de óxidos de ferro no alto-forno (CASTRO, 2002).

3.1.1. Aspectos internos

Zona granular: É a região do alto-forno onde todos os componentes da carga se

Zona de amolecimento e fusão: Região constituída de camadas de carvão vegetal e/ou

Zona de gotejamento: É a zona ativa do combustível onde ocorre a movimentação do

Figura 3.2: Esquema da região interna do alto-forno, mostrando as várias zonas

Figura 3.3: Esquema de divisão do alto-forno: modelo operacional e dissecação pelos

O principal objetivo do alto-forno é reduzir quimicamente e converter fisicamente óxidos

Em termos de exigências de qualidade, busca-se obter durante o processo de fabricação,

Outros importantes objetivos do processo de fabricação de ferro-gusa são a redução do

3.1.3. Funções da carga sólida

O carvão vegetal e o coque apresentam significativas diferenças físicas, químicas e

3.1.4. Características dos altos-fornos da Vallourec Tubos do Brasil

As capacidades de produção de ferro-gusa dos altos-fornos da Vallourec Tubos do Brasil

Tabela III.1: Características dos altos-fornos da Vallourec Tubos do Brasil.

Parâmetro Alto-Forno 1 Alto-Forno 2

3.2. Controle operacional e de processo do alto-forno